Identifying Barriers and Enablers to the Adoption of AI-Based Triage Tools in Emergency Departments
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
This study aimed to explore the perceived barriers and enablers influencing the adoption of artificial intelligence (AI)-based triage tools in emergency departments (EDs) from the perspective of frontline healthcare professionals. A qualitative research design was employed, utilizing semi-structured interviews with 19 participants—including emergency physicians, triage nurses, department managers, clinical administrators, and health informatics experts—working in emergency departments across Canada. Participants were selected using purposive sampling to ensure diversity in professional roles and institutional settings. Data collection continued until theoretical saturation was reached. Interviews were transcribed verbatim and analyzed using grounded theory methodology. Open, axial, and selective coding were conducted with the assistance of NVivo software to identify emerging themes and construct a conceptual model of AI adoption dynamics. The analysis revealed five core categories shaping AI-based triage adoption: (1) perceived risk and uncertainty, including lack of trust in AI outputs and concerns over legal liability; (2) institutional and organizational readiness, such as infrastructure limitations and workflow misalignment; (3) human capital and knowledge systems, including digital literacy gaps and lack of training; (4) system-level support and governance, highlighting the role of managerial commitment and national policy frameworks; and (5) value proposition and practical benefits, including efficiency gains, clinical decision support, and user-friendly integration. These categories reflected the interplay of technical, organizational, and human factors that either hindered or enabled AI integration in emergency care settings. Adopting AI-based triage tools in emergency departments requires addressing a complex ecosystem of trust, readiness, training, infrastructure, and systemic support. The findings underscore the importance of clinician engagement, targeted education, transparent design, and multi-level policy alignment to ensure effective and sustainable implementation.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 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