USER PERCEPTIONS AND SATISFACTION OF A CUSTOMIZABLE EMR HOMEPAGE
Notice bibliographique
Résumé
BACKGROUND: Healthcare provider burnout is a concern in primary care, necessitating innovative solutions to improve user experience and reduce work-related stress. A novel Homepage feature has been introduced in the TELUS Collaborative Health Record (CHR), an electronic medical record (EMR) solution. The Homepage is tailored to offer existing CHR clients a more customizable and personalized experience. It includes information not typically seen in EMRs, creating a more user-friendly platform for their daily work. PURPOSE: This study evaluates the initial user perceptions and end-user satisfaction of the CHR Homepage. METHODS: TELUS CHR clients who are family physicians and administrative staff working in primary care clinics took part in qualitative semi-structured interviews before the full release of the Homepage (n = 13), and these and other CHR users were asked to complete a mixed-methods cross-sectional survey four weeks after the Homepage launch (n = 12). Data analysis involved thematic analysis of interview texts and questionnaire responses, along with statistical analysis of quantitative data using non-parametric tests. RESULTS: The analysis of interviews and surveys revealed that users perceived the Homepage positively, and most were “moderately satisfied.” However, users suggested further improvements, such as providing more actionable information, expanding customization options, and addressing specific user needs. CONCLUSIONS: The study provided valuable insights into the user experience of the CHR Homepage, informing quality improvements and refinements for future CHR Homepage releases. The findings can inform EMR solution developers when conducting user testing of EMRs by considering customizable features that primary care users desire to enhance their experiences. Understanding user perceptions and incorporating user feedback can help developers address user concerns and improve user satisfaction, ultimately enhancing user experiences in primary care settings.
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 | 0,006 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».