Family Physicians’ Feedback on the Feature Design of a Digital Health Platform to Streamline the Care of Older Adults
Notice bibliographique
Résumé
Background/Objectives: Family physicians are essential to a well-functioning healthcare system; however, they face significant administrative and cognitive burdens that contribute to their burnout and reduce the quality of patient care they provide. Digital health tools offer potential solutions to these problems. This study examined the interface design and features of a digital health platform, Carmi, designed to mitigate administrative inefficiencies and cognitive overload by asynchronous patient data gathering and automated report generation. Methods: We conducted semi-structured interviews with nine family physicians practicing in Alberta, Canada, to gather their feedback on Carmi’s interface design and features. Participants were asked to view a 20 min virtual demonstration of Carmi and provide input on its interface, navigation, potential impact on their clinic workflow, and suggestions for additional features. Interviews were transcribed and thematically analyzed using NVivo. Results: Participants found Carmi’s interface user-friendly; most agreed that Carmi could reduce cognitive burden by automatically generating summary reports of assessments completed by patients and facilitating care coordination. Participants thought integration within existing electronic medical records was important, albeit Care of the Elderly physicians saw the value of Carmi as a standalone platform, noting that it can become a collaborative space where all healthcare providers can contribute to patient care. Conclusions: Carmi has the potential to improve primary care efficiency, especially for older adults with complex health needs. Work is underway at several pilot sites that have implemented Carmi so far to gather physicians, patients, and their caregivers’ feedback on its usability.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».