MétaCan
Menu
Retour à la cohorte
Enregistrement W4409448064 · doi:10.2196/63665

Optimizing an Electronic Health Record System Used to Help Health Care Professionals Comply With a Standardized Care Pathway for Heart Failure During the Transition From Hospital To Chronic Care: Qualitative Semistructured Interview Study

2025· article· en· W4409448064 sur OpenAlexvenueno aff
Marta Font, Nadia Davoody

Notice bibliographique

RevueJMIR Medical Informatics · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStandardizationMedicineHealth careWorkflowThematic analysisNursingInteroperabilityMedical emergencyMedical recordTransitional careFamily medicineQualitative research

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In Spain, the prevalence of heart failure is twice the European average, partly due to inadequate patient management. To address this issue, a standardized care model, the Care Model for Patients with Heart Failure (Modelos Asistenciales de Atención al Paciente con Insuficiencia Cardíaca), was developed. This model emphasizes the importance of sequential visits from hospital discharge until the patient transitions to chronic care to prevent rehospitalization. The standardized care pathway has been implemented in certain areas of the Andalusia Health Service. However, there is uncertainty about whether the region's electronic health record system, Diraya, can effectively support this model. If not properly integrated, it could lead to data inaccuracies and noncompliance with the standardized care pathway. OBJECTIVE: This study aimed to explore how to improve Diraya to better support health care professionals in adhering to the transition standardized care model for patients with heart failure as they move from hospital care to chronic care. METHODS: In total, 16 semistructured interviews were conducted with nurses and physicians from both hospital and primary care settings. Thematic analysis was used to analyze the data and recommendations for improvements that were developed based on the findings. These recommendations were further supported by existing literature and validated through additional interviews. RESULTS: In total, 65 codes, 23 subthemes, and 8 themes were identified. The main themes included optimizing medical data management for enhanced clinical workflow, agreement on standardization and enhancement of the discharge report, enhancing clinical decision support through updated guidelines and automated tools, optimizing interoperability as a solution for better management of patients with heart failure, and encouraging communication based on digital tools and personal connection. In total, 15 improvements were proposed, such as standardizing technology across Andalusia Health Service facilities and offering targeted training programs. These measures aim to enhance interoperability, streamline communication between different health care settings, and reduce the administrative burden for health care professionals. CONCLUSIONS: Diraya currently does not adequately support the transition standardized care model, placing a significant administrative burden on health care professionals, often with ethically concerning implications. To ensure effective implementation of the standardized care model, major updates are necessary for Diraya's clinical information management, system functionality, and organizational structure within the Andalusia Health Service.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,023
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,123

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,032
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,007
Communication savante0,0030,003
Science ouverte0,0020,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,362
Écart entre enseignants0,348 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical InformaticsMême sujetHeart Failure Treatment and ManagementTravaux en français237 207