Design and Implementation of Electronic Health Record Tools for Integrated Primary Care in Pediatrics
Notice bibliographique
Résumé
Objective: Pediatric Integrated Primary Care (IPC) models include various practice elements, including shared electronic health records (EHRs). Although shared EHR systems provide collaboration opportunities and can be resources for program evaluation and quality improvement initiatives, to be used effectively, EHR tools need to be user-informed and capture the complexities and heterogeneity of behavioral healthcare. The aim of this study was to evaluate the implementation of adapted EHR tools designed to collect relevant, routine data, including presenting concerns, patient history, specific intervention components administered, patient goals and progress, and adherence to protocols. Methods: We describe the design and implementation of three interconnected EHR tools developed to promote the use of practice-based data within an established IPC program. The tools included: (1) a data flowsheet, (2) customizable documentation template, and (3) a real-time data dashboard. The RE-AIM framework guided the identification and evaluation of implementation outcomes including patient reach, provider adoption, and implementation. Behavioral Health Provider (BHP) use of the tools was examined via EHR chart review, and Tableau© tracked access to the data dashboards. Results: Six months after the introduction of the flowsheet and template to BHPs, all utilized the tools in most of their patient encounters. High use rates were sustained three years later (87.56% of encounters). The dashboard tool was never adopted for clinical purposes. Conclusions: While documentation tools were readily adopted, challenges exist in BHP uptake of data visualization tools. Further exploration of factors influencing BHP use of clinical data is essential for advancing practice-based research in pediatric IPC.
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 | 0,015 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 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 ».