Citizens' Options When Accessing and Sharing Health Information – An International Survey of IMIA Member Countries
Notice bibliographique
Résumé
INTRODUCTION: Citizens' access to personal health information and information on prescription medication, options to share personal health data, and how these personal health data are kept secure, are all important themes in health informatics and therefore elaborated upon in this paper. METHODS: The empirical data stems from a survey that examines citizens' temporal access to laboratory test results, options for sharing patient-generated health data (PGHD) with health providers, methods to obtain supplementary information on prescription medication, and security issues pertaining to national standards, education, and experienced breaches. RESULTS: Results are based on answers from representatives in the International Medical Informatics Association (IMIA) member countries (n=28). Data shows that citizens' online access to test results is possible as soon as they are available in ten countries whereas nine countries have no norm or standard. The most common ways to provide citizens with supplementary information on prescription medication is through package inserts from manufacturers or paper medication information from pharmacies. PGHD is shared primarily in print or by showing the device to the health provider. Regarding e-health security, most countries have national standards for the security, however, less than half of the IMIA representatives answer that health professionals are required training in the national standards. Lastly, 16 of the 28 answers reply that there has been leaks leading to unauthorized access to health data. Future research should focus on how to provide citizens access to lab results according to their needs and examine how to include digital PGHD meaningfully into clinical practice.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».