Human factors and systems simulation methods to optimize peri-operative EHR design and implementation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 découle