Barriers and Facilitators of Digital Transformation in Health Care: Mixed Methods Study
Notice bibliographique
Résumé
BACKGROUND: Digital transformation is now a fundamental component of health care systems worldwide. To develop effective digital health strategies, it is essential to examine physicians' perspectives on the barriers and facilitators of implementation, with particular attention to regional and cultural factors influencing technology adoption. OBJECTIVE: This study aims to identify and analyze key barriers and facilitators to the implementation of digital health technologies from physicians' perspectives in Russia. METHODS: A 2-phase nationwide mixed methods study was conducted involving 460 physicians from various specialties. The first phase comprised in-depth interviews with 10 physicians to develop a specialized questionnaire. The second phase involved a nationwide cross-sectional survey with 450 physicians using the developed questionnaire. Inclusion criteria were working in a Russian city with a population of more than 100,000, age 22 years and older, at least 3 years of specialty experience, and employment in public or private health care institutions. The analysis focused on 4 categories of digital health technologies: remote consultations, remote monitoring, digital diagnostic solutions, and clinical decision support systems. RESULTS: The main barriers identified were fear of making erroneous decisions (25% of physicians), technical difficulties (up to 25%), and legal insecurity (21% of physicians). Notably, the barrier profile varied depending on the type of technology. Key drivers for implementation included time saving (59% of physicians), practical benefits (55% of physicians), and legal security (54% of physicians). Additionally, a convenient training organization was a crucial motivator, with the availability of free training (53% of physicians) and provision of study leave (52% of physicians). These facilitators were consistent across all categories of digital solutions. Based on these findings, key recommendations for the implementation of digital transformation in medical organizations were formulated. CONCLUSIONS: The findings highlight the need for comprehensive, technology-specific digital implementation strategies to improve health care digital transformation effectiveness, considering physician concerns about decision-making accuracy, technical challenges, and legal frameworks.
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 | 0,020 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».