MétaCan
Menu
Retour à la cohorte
Enregistrement W4409721678 · doi:10.1186/s41077-025-00349-z

Human factors and systems simulation methods to optimize peri-operative EHR design and implementation

2025· article· en· W4409721678 sur OpenAlexaff
Mirette Dubé, Jonathan D. Hron, Susan Biesbroek, Myrna Chan-MacRae, AEliot Shearer, Rocco Landi, Melanie Swenson, Daniel J Kats, RW Birmingham, Lauren Coogle, Jennifer Arnold

Notice bibliographique

RevueAdvances in Simulation · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensCochrane
Organismes subventionnairesnon disponible
Mots-clésUsabilityWorkflowPatient safetyMedicineHealth careDebriefingTest (biology)Web usabilitySystem usability scaleQuality (philosophy)NursingMedical educationComputer science

Résumé

récupéré en direct d'OpenAlex

The increase in adoption of Electronic Health records (EHR) in healthcare can be overwhelming to users and pose hidden safety threats and inefficiencies if the system is not well aligned with workflows. This quality improvement study, facilitated from September 2023-April 2024, aimed to proactively test a new EHR using systems focused simulation and Human factors methods, prior to go-live, in a peri-operative children's hospital setting to improve safety, efficiency and usability of the EHR. The project was conducted at a large, academic, quaternary care children's hospital undergoing a transition from one EHR to another. Two cycles of usability testing followed by in situ simulations focused on testing the new EHR with interprofessional peri-operative team members prior to go live. Usability testing, using relevant clinical workflows, was completed over zoom using the EHR "testing" environment with individual care providers across multiple peri-operative roles. In situ simulations were facilitated in the actual peri-operative and Otolaryngology clinic spaces with full interprofessional teams. Qualitative data was collected and summarized through debriefing and recordings of the sessions. Human factors and patient safety principles were integrated throughout the recommendations. A total of 475 recommendations were made to improve the safety, efficiency, usability, and optimization of the EHR. The outcomes included a range of usability and system issues including latent safety threats and their impact on safe and quality patient care. There was a plethora of usability improvements, including some critical issues that were uncovered and mitigated prior to the go live date.

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)0,008
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,112
Tête enseignante GPT0,610
Écart entre enseignants0,499 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in SimulationMême sujetElectronic Health Records SystemsTravaux en français237 207