Environmental Impact and Provider Satisfaction Associated with ePrescriptions in Otolaryngology: A Quality Improvement Study
Notice bibliographique
Résumé
Importance ePrescriptions are associated with increased patient satisfaction, decreased provider burden, decreased administrative costs, and a positive impact on planetary health. However, ePrescription uptake by physicians is historically low and acts as a barrier to reaping the benefits therein. Objective We aimed to attain 20% overall usage of ePrescriptions in the Department of Otolaryngology-Head and Neck Surgery (OHNS) at the London Health Sciences Centre (LHSC) by December 2023 through systematic implementation of change ideas. Design Pre-post intervention design. Setting Ambulatory clinics in OHNS at LHSC, an academic hospital. Participants Fourteen staff and 15 resident physicians in OHNS; 38 patients in pediatric otolaryngology clinic. Intervention or Exposure A root-cause analysis identified potential obstacles to ePrescribing. Change ideas, including educational seminars, surveys, quarterly reporting of ePrescription usage, and public encouragement of top ePrescribers in the department, were implemented and tested using Plan-Do-Study-Act cycles. Main Outcome Measures Percent ePrescription usage and carbon footprint savings associated with ePrescriptions were measured. Provider and patient satisfaction surveys were conducted as balancing measures to assess for the perception of increased burden on providers. Results During the pre-intervention and post-intervention phases, a total of 400 and 1000 ePrescriptions were prescribed by the department, respectively. There was a statistically-significant increase in the mean proportion of ePrescriptions used before (mean: 9.7%; sd = 7.6) and after (mean: 40.7%; sd = 6.4) the intervention ( p < 0.001), which exceeded the goal. SPC charting suggested special cause variation, signifying a statistically-significant improvement. Additionally, a reduction of 125.9 lbs of CO 2 equivalents was associated with ePrescription use. 66.7% of providers rated overall satisfaction with ePrescriptions at 7/10 or higher, and 76.9% indicated that patients either sometimes, usually, or always opted for ePrescriptions when given the choice. Conclusion and Relevant Our change ideas increased ePrescription usage in an academic OHNS department and were associated with increased planetary health savings and provider satisfaction.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».