A Network Visualization Query System for Multi-Drug Compatibility Based on a WeChat Mini Program: A Preliminary Usability and Efficiency Evaluation (Preprint)
Notice bibliographique
Résumé
BACKGROUND: Intravenous (IV) drug incompatibility is a significant medication safety hazard, particularly in complex multi-drug regimens. Traditional text-based, pairwise query methods are inefficient and impose a substantial cognitive load on clinicians. While network visualization has the potential to address these challenges, its application in drug compatibility queries remains underexplored. OBJECTIVE: This study aimed to design, develop, and evaluate a novel drug compatibility query system based on a WeChat Mini Program. The system integrates diverse data sources and employs network visualization to present complex compatibility relationships. We sought to empirically assess its impact on efficiency and user experience. METHODS: A preliminary crossover usability and efficiency evaluation was conducted. Phase 1 involved the construction of a drug compatibility knowledge base from authoritative handbooks and drug labels, and the development of the query system. Phase 2 comprised a system evaluation with 36 pharmacists, 6 physicians, and 5 nurses. The evaluation included a scenario-based task completion time analysis comparing the system (Mode A) with traditional print-based resources (Mode B), a quality assessment using the Mobile Application Rating Scale (MARS), and structured post-task user feedback to gather insights on user experience. RESULTS: The query system demonstrated a substantial reduction in task completion time, with median time savings of 2.85 minutes (IQR = 1.98-4.15), 5.45 minutes (IQR = 3.95-7.20) and 31.2 minutes (IQR = 27.5-35.1) respectively in three scenarios with different complexity. The system received a high mean overall quality score of 3.88 (SD=0.35) on the MARS. The Functionality dimension scored the highest (M=4.21, SD=0.51), while Engagement scored the lowest (M=3.21, SD=0.62). Post-task structured feedback revealed five major areas of user feedback: (1) baseline experience and first impressions, (2) user experience with network visualization, (3) perceived efficiency and cognitive load, (4) trust and information quality, and (5) future application considerations. Users praised the system's efficiency and intuitive design but expressed a strong need for transparent data sources and management advice to build trust. CONCLUSIONS: A query system based on network visualization demonstrates potential to support the efficiency of multi-drug compatibility queries within this preliminary evaluation. It may mitigate cognitive load and offer an at-a-glance understanding of complex drug relationships. However, formal clinical accuracy validation remains a mandatory precondition before bedside clinical deployment is considered.
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 | 0,008 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».