MétaCan
Menu
Retour à la cohorte
Enregistrement W4410523364 · doi:10.1136/bmjoq-2025-qshu.270

270 Clicks matter. improving ordering efficiency

2025· article· en· W4410523364 sur OpenAlexaff
W. James King, Tobey Audcent, Ellen B. Goldbloom

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Semiconductor Detectors and Materials
Établissements canadiensChildren's Hospital of Eastern Ontario
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

Introduction A goal of the physician wellness program at CHEO is to improve physician electronic health record (EHR) experience and satisfaction. The initiative focused on ‘Easier ordering’ to enhance admission ordering efficiency and improve inpatient and outpatient one-click orders. This quality improvement project aimed to improve EHR efficiency by reducing the number of clicks required for common orders that physicians rarely modify. Ultimately, we sought to decrease EHR cognitive load and promote more time spent on direct patient care.Methods Three physicians and two information system business analysts prioritized two projects deemed to have the greatest impact with minimal system intervention. The first project aimed to improve hospital admission ordering efficiency by changing the system to automatically set the admission diagnosis as the patient‘s primary problem at the time of admission. The second project focused on improving inpatient and outpatient One-Click Orders. The team reviewed the top 100 records by order changes and the top 100 records by ease of update, reaching consensus on which orders to modify. Three physicians reviewed 200 orders, with specialty follow-up as required, and identified 56 orders where dose and/or frequency could be defaulted.Results In total, we estimate these changes will decrease approximately 70,000 clicks per year, equating to 700 hours of physician working time 1. Simply defaulting the admission diagnosis to be the primary problem affected over 7,000 admissions and eliminated 4 clicks per admission to find and enter the primary problem. Additionally, this default saved further physician time by eliminating chart deficiencies that previously required correction when a primary problem was not selected. The second project identified 56 orders (28% of those reviewed) where dose and/or frequency could be defaulted, resulting in 38,712 clicks saved and 31% more efficient ordering. We have expanded the project to further reduce clicks across the organization, including for nursing and allied health professionals.Reference Hill RG, Sears LM, Melanson SW. 4000 clicks: a productivity analysis of electronic medical records in a community hospital ED. Am J Emerg Med. 2013 Nov;31(11):1591–4.

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)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,912
Score d'incertitude au seuil0,125

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0010,002
Intégrité de la recherche0,0030,001
Charge utile insuffisante (le modèle a refusé de juger)0,9120,809

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 Opus0,005
Tête enseignante GPT0,218
Écart entre enseignants0,213 · 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.

Devis d'étudeSans objet
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Semiconductor Detectors and MaterialsTravaux en français237 207