Evaluation of the provincial Electronic Health Record HEALTHe NL and the HEALTHe NL online learning module: the nurse practitioner perspective
Notice bibliographique
Résumé
Background: Newfoundland and Labrador’s Electronic Health Record, HEALTHe NL, provides clinicians with a holistic view of their patients’ health information. The HEALTHe NL online learning module was implemented in April 2018 to facilitate the orientation and adoption of HEALTHe NL into clinical practice. The current versions of these electronic systems had not been evaluated to date. Purpose: Evaluation of HEALTHe NL and the online learning module from the perspective of nurse practitioners (NPs) was important to determine the benefits and challenges of these electronic systems, to enhance patient care, and to improve the availability of relevant content to healthcare providers. Methods: The following methods were used: 1) literature review, 2) consultations with NPs and the Newfoundland and Labrador Centre for Health Information employees via semi-structured interviews and email, 3) environmental scan with other provinces throughout Canada via email, and 4) survey development using SurveyMonkey. Results: A survey was disseminated to 147 NPs in Newfoundland and Labrador who are active HEALTHe NL users. Questions focused on the content featured under each of the five tabs in HEALTHe NL and organized under headings associated with the Delone and McLean framework: 1) system and information quality, 2) service quality, 3) use and intention to use, 4) user satisfaction, 5) net benefits and, 6) demographic information. Survey results were positive. Participants were ‘very satisfied’ with HEALTHe NL, ‘definitely’ likely to recommend it, and ‘one-on-one demonstration’ was rated as the preferred method of training. Conclusion: The results of this evaluation survey will help support the continued use of these electronic systems, help promote the continuity of patient care, and help to identify ways to improve utilization of HEALTHe NL in the future.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,088 | 0,097 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».