原始论文
摘要
背景:对于医生通过基于移动设备的电子医疗记录(m-EMRs)访问哪些类型的特定临床信息最有价值以及何时访问此类信息,人们一直缺乏了解。此外,还没有清楚地讨论为什么这些信息的价值很高。
摘要目的:本研究的目的是调查医生通过m-EMR访问最有价值的临床信息类型以及访问这些信息的时间。
方法:自2010年以来,m-EMR已在韩国首尔的一家三级医院使用。收集2015年3月至12月医生使用m-EMR的日志。进行描述性分析以探索m-EMR的总体使用模式。为了评估所提供的临床信息的价值,我们以小时为单位比较了m-EMR和医院信息系统(HIS)的使用模式。m-EMR的峰值使用时间定义为具有大于0.5的规范化使用值的连续间隔。使用日志作为代表特定临床信息的指标,使用因子分析。随机截距逻辑回归用于探索在高峰使用时间频繁访问的临床信息类型。
结果:653名医生(教授229名、研究员161名、住院医生263名)共有524929份使用日志。平均年龄:37.55岁;男性:415例(63.6%)。医疗住院医师使用m-EMR记录的平均次数最多(897次),外科住院医师使用m-EMR记录的平均次数最少(292次)。住院名单(47096份)、化验结果(38508份)和调查名单(25336份)三个菜单的使用量占高峰时间使用量的60.1%。HIS在正常时间(上午9点至下午5点)使用频率最高。移动电子病历的使用高峰出现在清晨(6:00 AM ~ 10:00 AM),傍晚(5:00 PM)至午夜的移动电子病历使用高峰高于正常营业时间。通过因子分析提取了代表临床信息类型的4个因素。与患者调查状态和患者状况相关的因素与m-EMR的高峰使用时间(P< . 01)。
结论:获取有关患者调查状况和患者病情的信息对于上午活动(包括查房)期间的决策至关重要。移动电子病历允许医生在不受时间和地点限制的情况下保持临床信息的连续性。因此,m-EMRs将以一种增强临床信息可及性的方式发展,有助于在这种限制下的决策过程。
doi: 10.2196 / jmir.8128
关键字
介绍
在不同地点(如病房或诊所)进行的临床工作涉及各种治疗任务(如诊断或手术),需要医生经常移动[
, ]。在治疗程序复杂的大型医疗机构中,流动性是临床实践的一个特别重要的特征[ ]。因此,基于移动的电子医疗记录(m- emr)有望帮助医生有效地访问患者数据[ , ],近年来,许多三级医院越来越多地转向使用移动电子病历[ - ]。然而,由于移动电子病历的总体利用率和采用率一直很低[ , ],已经进行了几项研究,以提高医院中移动电子病历的可用性[ - ]。一项研究考察了与m- emr的采用和使用相关的行为模式,包括人格特征和社会规范[
, ]。另一个研究流是研究m-EMR系统的设计及其与现有医院系统的集成[ , , ],而另一项研究则侧重于展示m- emr在信息流效率方面的效用[ - ]。这些研究考察了与移动电子病历采用和利用相关的理论和技术因素,证明了移动电子病历提高了工作效率,具有一定的意义。然而,据作者所知,这些先前的研究都没有基于实际使用日志数据评估通过m- emr获取的每种临床信息的价值。由于移动电子病历是一种信息传递方法,因此评估对于设计移动电子病历至关重要,从而使医生能够以方便的方式获取有价值的信息。通常,临床工作是通过根据医院情况组织的日常流程进行的[
, ]。由于每个流程单元对医生的任务要求不同,因此对信息访问的需求可能因日常流程单元而异[ , ]。此外,在日常过程中,对与治疗背景相关的特定临床信息的需求可能会有所不同。因此,从日常治疗过程的角度来评估通过m- emr获取的临床信息的价值是很重要的。尽管移动电子病历很重要,但没有人尝试探索移动电子病历的使用价值在白天何时增加,以及哪些临床信息与其增加的价值相关。这些尝试可以通过确定通过此类记录访问的最有价值的临床信息,为在大型医院增加m- emr的使用提供根本的解决方案。此外,这些讨论可以为研究m-EMR使用在信息流效率方面的价值的研究领域提供知识。因此,作为阐明上述问题的第一次尝试,本研究旨在探索一种经验解决方案,即根据医生的实际使用日志以及何时访问此类信息,通过m-EMR访问哪种类型的临床信息对医生最有价值。此外,本研究旨在讨论这些信息的重要性。
方法
m-EMR App简介
2010年,韩国首尔的一家三级医院开发了一款移动电子病历应用程序,该医院拥有2700多张床位,每年约有912,300人次就诊。这款移动电子病历应用程序的主要目的是允许医务人员在不发出治疗命令的情况下阅读患者信息[
]。本研究使用的是基于2012年用户反馈的升级版m-EMR应用程序的第二个版本。附加的安全系统暂时显示临床信息,而不将信息存储在智能手机设备上。该应用程序包括四个默认菜单和几个子菜单。默认菜单提供患者列表,医生可以选择以下菜单之一:住院患者列表、手术患者列表、会诊患者列表和急诊患者列表。这些子菜单允许医生访问患者的详细信息,如实验室测试结果、医疗记录和药物订单。通过m-EMR应用程序访问的信息结构如图所示
(详情见m-EMR应用程序 ).实证分析设计
本研究已获机构审查委员会批准(IRB No. 2016-0287)。为了确定医生通过m-EMR访问哪些类型的临床信息最有价值,以及何时访问这些信息,我们进行了两步实证分析。首先,以小时为基础,探讨了m-EMR和医院信息系统(HIS)的使用模式。比较两种系统的使用模式可以解释通过m- emr访问临床信息何时是有价值的。此外,它可以提供一个基础来解释为什么通过m-EMR读取的某些临床信息比使用HIS读取的更有价值。
其次,研究了在移动电子病历使用高峰期间访问频率最高的临床信息类型。某一类信息在特定时间间隔内的使用集中度表明该信息在该时间内的价值较高[
]。因此,将使用的峰值间隔与特定的临床信息联系起来,可以解释通过m- emr访问哪些类型的临床信息最有价值。在评估临床信息时,在非常原始的水平(即每个菜单的使用计数)上分析m-EMR使用日志可能是不合适的。虽然有些菜单经常使用,但它们可以作为访问子菜单的中间通道来访问详细信息。因此,挖掘原始使用日志是很重要的,这样使用模式就可以成为具有代表性的临床信息。采用数据预处理和因子分析提取具有代表性的临床信息。最后,采用随机截距逻辑回归来确定使用高峰间隔与代表性临床信息之间的关系。
对于研究数据,使用m-EMR的使用计数(人口数据)和HIS中央处理器(CPU)的利用率。CPU使用率表示CPU在特定时间间隔内处理任务的时间量。
]。当请求从本地个人计算机(PC)读取患者信息时,HIS CPU处理任务。因此,HIS CPU使用率表明医生在特定时间间隔内通过台式计算机读取临床信息的频率。 提供说明数据预处理和分析的流程图。挖掘m-EMR使用模式的数据预处理
m-EMR的结构设计为同时显示一些较低层次的信息(即实验结果值),同时使用上层信息(即实验结果)(
).当使用应用程序菜单时,医院数据存储服务器记录每个m-EMR菜单的使用交易。由于他们的默认状态,这四个病人名单菜单可能会被使用,而不管意图。因此,这些菜单的使用量应该与其他子菜单区别对待,即使这些菜单提供了患者列表检查的功能。为了解决这个问题,将主要用于检查患者列表(四个患者列表菜单)的日志与用于访问详细患者信息的日志分开。具体来说,如果日志在一个使用会话期间保留在四个默认菜单中(即,在使用这些默认菜单之后没有使用跟踪),则认为医生在该会话期间只是识别了患者列表。但是,如果有迹象表明在使用了四个默认菜单之后又使用了子菜单,则认为医生访问了详细信息。因此,这四个病人名单菜单每个可以有两个用途(四个菜单×两个用途)。因此,本研究纳入了16个变量,代表菜单的使用日志(假设4个患者列表菜单是用于访问子菜单的默认菜单,由下标“default”指定;假定用于检查患者名单的四个患者名单菜单;和八个子菜单)。数据预处理使用R 3.3.2版本(The R Project for Statistical Computing)。
移动电子病历使用模式的描述性分析
首先,回顾了内科和外科的一般使用统计数据,以确定m-EMR的使用是否因用户特征和任务而有所不同。其次,比较了m-EMR和HIS CPU随时间的使用情况。两个使用日志的单位不同,因为m-EMR的使用率级别是基于使用次数,而HIS的CPU使用率级别是基于CPU使用率。因此,比较了HIS和m-EMR使用随时间的标准化值。第三,定义了m-EMR的峰值使用间隔。将每小时的使用次数(访问m-EMR的次数)归一化,并将归一化值大于0.5的连续间隔(即归一化值的中位数)定义为峰值间隔。然后在原始数据级别检查峰值使用间隔期间每个菜单的使用情况的详细信息。
因子分析:确定具有代表性的临床信息
在层次化的应用程序设计中,更高级的菜单作为子菜单的链接,同时提供特定的信息[
, ]。因此,一些上层和中层菜单的使用日志可能不能充分代表医生从m-EMR菜单访问特定信息。因此,使用日志被划分为使用会话单元,并且表示使用会话与特定临床信息关联的密切程度的指标被参数化。智能手机应用程序的使用会话表示应用程序启动和关闭的时间间隔[ - ]。为了识别使用会话,使用日志被分成30分钟的间隔,在医院系统中设置,以强制自动注销m-EMR应用程序。为了产生指标,以显示使用会话与特定临床信息(即代表性临床信息)的相关性,采用了因子分析[
- ]。有16个变量应用于此分析,以指示在使用会话期间菜单的使用级别。采用主成分分析提取因子[ , ]。我们使用promax旋转法来旋转因子,因为当因子可能有一定的相关性时,推荐使用这种方法[ ]。提取因子,直到所有变量的共通性大于0.4,排除共通性值最低的变量[ ]。此外,只提取特征值大于1的因子[ ]。为评估因子分析的效度,采用keizer - meyer - olkin检验和Bartlett检验[ - ]。采用SPSS version 23 (IBM Corp .)进行因子分析。先前的研究已详细描述了这一因素分析[ - ]。高峰时段临床信息访问频次分析
为了分析在m-EMR使用高峰期间,哪些类型的临床信息被频繁访问,采用了随机截取逻辑回归。随机截距模型通常用于处理重复观测数据时的个体异质性[
]。本研究的随机截距logistic模型设计如图 。因变量(1=峰值使用时间,0=峰值使用时间之外)表示一个使用会话是否属于m-EMR的使用峰值间隔。对于自变量,采用因子分析结果的得分。此外,该模型还控制了m-EMR是在工作日还是假日使用,以及人口统计数据,即年龄、性别和六个职位(内科的住院医生、研究员和教授以及外科的住院医生、研究员和教授)。该模型使用STATA version 14 (StataCorp LLC)实现。
结果
描述性分析
在研究期间(2015年3月至12月),共存储了12个菜单的524,929条使用日志,提供了22种信息。中列出了总体用户特征和使用统计信息
。如果同时考虑内科和外科,教授、研究员、住院医师的平均使用次数分别为732次、754次、897次。从内科来看,医生职位的平均使用人数分别为789人、865人、1216人,外科分别为656人、594人、292人。因此,内科住院医师使用移动电子病历最多,而外科住院医师的个人平均使用移动电子病历最少。本研究使用2016年11月一周HIS CPU使用率。基于时间的HIS和m-EMR的使用模式有显著差异(
).医疗卫生系统的使用高度集中在正常营业时间。HIS在两个不同的时间段使用最频繁:第一个时间段约为上午9点至下午12点,第二个时间段约为下午1点至下午5点。与HIS的使用模式相反,m-EMR在清晨时段(6:00 am至10:00 am)被大量使用。此外,傍晚(下午5点)至午夜(凌晨0点)的m-EMR使用率高于正常营业时间。m-EMR的峰值使用间隔定义为上午6:00至10:00。
按降序列出在使用峰值间隔期间每个菜单的使用统计信息的详细信息。最常用的菜单包括住院病人名单(47,096)、实验室结果(38,508)和调查名单(25,336)。这三个菜单的使用量约占高峰时间使用量的60.1%。使用计数 | 时间 | 总计 | |||
6-7 am (n=357) | 7-8 am (n=460) | 上午8-9点(n=474) | 上午9-10点(n=429) | (6 - 10点) | |
住院病人列表 | 10059年 | 15207年 | 13681年 | 8149 | 47096年 |
实验室结果 | 5810 | 10051年 | 12818年 | 9829 | 38508年 |
调查名单 | 3668 | 7156 | 8636 | 5876 | 25336年 |
医生注意 | 6083 | 5587 | 4193 | 2088 | 17951年 |
护士注意 | 7654 | 5655 | 2581 | 1196 | 17086年 |
化验结果以外的调查 | 2169 | 5285 | 5134 | 2339 | 14927 |
PACS(图片存档和通信系统)视图 | 1639 | 2661 | 2586 | 1324 | 8210 |
订单查看 | 1073 | 2352 | 1430 | 724 | 5579 |
查阅病人名单 | 1379 | 1718 | 1168 | 506 | 4771 |
急诊病人名单 | 816 | 1042 | 937 | 538 | 3333 |
手术病人名单 | 219 | 856 | 323 | 257 | 1655 |
药物治疗的历史 | 15 | 54 | 54 | 28 | 151 |
因子分析结果:确定具有代表性的临床信息
在特征值大于1且所有变量的共性值大于0.4的条件下,共提取5个因子13个变量(
) [ , ]。keizer - meyer - olkin检验(0.663)和Bartlett检验(P< 0.01),表明因子分析的有效性[ - ]。因子1 (F1):调查状态。这表示医生访问调查状态的会话,并基于与调查变量的正关联(
).因子2 (F2):急诊患者信息。这表示医生在其中访问急诊患者信息的会话,该会话是基于与急诊患者列表的正关联定义的默认的和医生笔记变量。
因素3 (F3):患者状况。这表示一个会话,在这个会话中,医生访问以前的患者状况,并且是基于与Nurse note和Order视图变量的正关联来定义的。
因子4 (F4):识别急诊室(ER)或病房的患者。这表示一个会话,其中医生识别急诊室或病房中的患者,并根据与急诊患者列表和住院患者列表变量的正关联进行定义。
因子5 (F5):杂项。这表示会话中的信息访问没有显示出清晰的模式。这些会话与默认菜单相关联,表明医生正在通过子菜单访问患者的详细信息。但是,由于无法确定子菜单的使用模式,因此与此因素相关的会话被认为是杂项。
没有一个因素与住院病人名单有很强的关系(即,绝对值大于0.4的因素负荷)默认的变量。这表明住院病人名单之间缺乏相关性默认的和其他菜单使用期间的单一使用会话。
显示了这五个因素之间的联系,和 提供它们的简要描述。变量 | 因素 | 公因子方差e | ||||
F1 | F2 | F3 | F4 | F5 | ||
化验结果以外的调查 | .809一个 | .050 | −.022 | .204 | .096 | .603 |
PACS(图片存档和通信系统)视图 | .793 | −.017 | −.120 | .126 | .060 | .549 |
调查名单 | .750 | .016 | .078 | −.119 | −.087 | .693 |
实验室结果 | .465 | −.173 | .120 | −出赛 | −.199 | .460 |
急诊病人名单默认的b | −.003 | .944 | −.220 | .021 | .011 | .808 |
医生注意 | −.041 | .730 | .376 | .044 | −.079 | .800 |
护士注意 | −.140 | .075 | .815 | .044 | −.030 | .649 |
订单查看 | .109 | −.147 | .753 | .100 | .107 | .544 |
急诊病人名单 | .200 | ) | .099 | .793 | −.027 | .529 |
住院病人列表 | −0。 | −.030 | .067 | .742 | −.053 | .552 |
住院病人列表默认的 | .227 | 偶而 | .066 | −.375 | .103 | .516 |
手术病人名单默认的 | .070 | .053 | −.136 | −04 | .714 | .541 |
查阅病人名单默认的 | −.049 | −.099 | .264 | −.100 | .700 | .544 |
因子分析的充分性检验结果 | 巴特利特测试c:P< . 01 | |||||
Keiser-Meyer-Olkin测试d: 0.663 |
一个绝对值大于0.4的因子负载用斜体表示。
b“default”下标表示可能用作默认屏幕的菜单。
c巴特利特测试评估公共成分的存在。
dkeizer - meyer - olkin检验评估因子分析中使用的观察值大小和变量数量的适当性。
e共同性表示提取的因素对每个变量的影响程度。
高峰时段临床信息访问频次分析
随机截距逻辑回归的结果表明,F1(调查状态)和F3(患者状况)与高峰使用间隔呈正相关(P< . 01) (
).相比之下,F2(紧急患者信息)、F4(识别急诊室或病房中的患者)和F5(其他)与高峰使用间隔以外的时间段呈正相关(P< . 01)。控制变量,工作日,在统计上是显著的(P<.01),说明工作日的使用次数与高峰间隔呈正相关。此外,非外科住院医师的使用时间与使用高峰的正相关程度高于外科住院医师(P< . 05)。年龄和性别与高峰使用间隔的使用时间没有统计学关联(P> . 05)。
变量 | 系数 | 标准错误 | P价值 | |||||
主要变量 | ||||||||
F1(调查状态) | .038 | 0.011 | 措施 | |||||
F2(紧急病人资料) | −.226 | 0.017 | <措施 | |||||
F3(患者情况) | .210 | 0.013 | <措施 | |||||
F4(急诊室或病房患者身份识别) | −.109 | 0.013 | <措施 | |||||
F5(杂) | −.126 | 0.014 | <措施 | |||||
控制变量 | ||||||||
工作日 | .566 | 0.023 | <措施 | |||||
位置一个 | ||||||||
研究员(普通内科) | .667 | 0.126 | <措施 | |||||
研究员(外科) | .417 | 0.146 | . 01 | |||||
教授(普通内科) | .503 | 0.153 | <措施 | |||||
教授(外科) | .440 | 0.166 | . 01 | |||||
住院医师(普通内科) | ,8发 | 0.111 | . 01 | |||||
年龄 | −.008 | 0.006 | 口径。 | |||||
性别 | .0240 | 0.073 | 综合成绩 | |||||
缺点 | −1.445 | 0.216 | <措施 |
一个以外科住院医师职级作为基线职位,控制医生职位特征。因变量表示使用会话是属于峰值间隔还是在使用峰值间隔之外(1=峰值使用,0=峰值使用之外)。观察次数为56,756次(使用会话),医生人数为653人。
讨论
本研究旨在探讨通过m-EMR访问的哪些类型的临床信息对医生最有价值,以及他们何时访问这些信息,并讨论这些临床信息的实际价值。在治疗过程复杂的大型医院,病人护理必然需要大量的医生流动。在这样的环境下,通过台式电脑持续了解患者信息对医生来说可能效率不高。因此,先前的一些研究已经证明了在治疗过程中使用移动设备与信息流效率有关的效用[
- ]。然而,目前还没有从常规治疗的角度对临床信息的价值进行实证评估,这为通过移动电子病历获取何种类型的有价值的临床信息以及何时获取提供了基本的解释。因此,本研究与以往研究的不同之处在于,据作者所知,这是第一次尝试评估通过m-EMR从大量实际使用数据中获取的临床信息。最终,本研究可能会提供一些重要的见解,有助于促进大型医院采用和使用移动电子病历。移动电子病历信息获取中的位置独立性
本研究的分析显示了移动电子病历系统的独特价值,它在信息交易方面不同于基于pc的系统。有趣的是,在HIS很少使用的时候,m-EMR似乎经常被使用。具体来说,HIS在正常营业时间(上午9点至下午6点)被大量使用,而m-EMR的使用在清晨(上午6点至上午10点)达到峰值。m-EMR使用高峰对应于上午查房或日常工作开始前的时间[
, ]。在此期间,查阅病人资料是必要的,但由于医生需要经常走动(即上下班和查房),透过台式电脑查阅资料可能会受到限制。[ , ]。较早的研究显示,在查房期间使用流动装置可有效地获取资讯,因为流动装置可让医生不受地点限制地获取资讯。[ , ]。与这一证据一致,本研究的结果可能表明医生在查房期间大量使用m- emr来识别患者信息。此外,这一结果表明,医生甚至在早上查房之前和查房期间也会使用移动电子病历来读取患者信息。此外,从傍晚(下午5点)到午夜,m-EMR的使用率高于正常营业时间。在此期间,m-EMR的高使用率可能表明医院外的医生通过系统访问患者信息。由于病人护理的连续性,医生应在下班后查阅病人资料,或与夜班同事分享意见[
]。然而,医生回到医院检查他们的病人信息是非常麻烦的。在这方面,m-EMR可以成为一个有价值的工具,使他们能够在不受地点和时间限制的情况下访问这些信息。因此,本分析结果进一步强化了m- emr在医生获取临床信息时的位置独立性方面对医生有价值的证据。探索移动电子病历使用模式对数据科学技能的高需求
本研究的结果表明,在探索m-EMR使用模式时,对原始级别使用日志的分析可能会导致结果失真。由于m-EMR结构的性质,一些菜单通常可以不考虑目的而使用。例如,住院患者列表作为默认菜单之一,在原始数据级别的高峰使用间隔期间最常使用。使用这个菜单有两个目的。首先,菜单可以用作简单的患者检查表,以查看医生负责的患者列表或新入院的患者列表。其次,由于菜单的默认状态,可能会无意中使用菜单。考虑到整个分析,本研究中的大多数医生可能将住院患者列表设置为默认屏幕。具体来说,描述性分析的结果表明,住院病人名单的使用是压倒性的,相比之下,其他候选默认菜单(即,咨询,急诊和手术病人名单)的使用率很低。鉴于医生在使用m-EMR应用的其他子菜单之前必须使用默认菜单,其高利用率可能表明住院患者列表菜单作为默认菜单使用频率最高。此外,因子分析的结果表明,住院患者名单后没有明确的使用模式默认的已经用过了。这些结果表明,不管医生的意图如何,住院病人名单经常被用作默认屏幕。此外,调查列表是一个位于中层的门菜单,用于对患者的调查结果进行分组,而不是提供具体的临床信息。虽然这些菜单的使用率很高(即,第一和第三最常用的菜单),但它们的使用率可能不是评估通过m-EMR访问的特定临床信息价值的关键。在检查m- emr的使用特征时,这些事实强调了数据科学技能的重要性。一些先进的数据挖掘技术可以用于更详细地研究m- emr的使用特征。例如,过程和顺序挖掘技术可以通过识别和可视化使用模式的顺序,更好地解释医生如何使用m- emr [
, ]。在查房期间帮助决策的病人调查状态和条件的信息
本研究发现,在使用m-EMR时,有四种具有代表性的临床信息获取模式(即调查状态、患者状况、急诊患者信息和急诊室或病房患者身份识别)。这些不同的使用模式可能表明,根据治疗上下文,在m-EMR使用会话中访问了特定的信息。换句话说,它可能表明m-EMR在每个使用会话中用于独特的目的。根据回归分析,调查状态和患者病情与高峰使用时间呈正相关,高峰使用时间对应于上午查房或开始查房前的时间。先前的研究表明,治疗环境中的重要决定是在查房期间做出的[
, , ]。为了做出正确的决定,重要的是根据具体的临床信息根据治疗情况进行讨论。调查结果和病人进展记录的资料对决策过程至关重要。[ , , ]。根据本研究中进行的因素分析,这些信息与调查状态(除实验室结果外的调查、PACS[图片存档和通信系统]视图、调查列表和实验室结果)和患者情况(护士笔记和医嘱视图)相关联。通过台式电脑访问信息可能在凌晨大约上午查房的时间受到限制。因此,使用台式电脑来跟踪调查状态和患者的情况对医生来说可能不方便。在这种情况下,m- emr可以帮助医生通过即时访问调查状态和患者情况,与同事进行信息共享或讨论。因此,本研究的结果表明,在查房期间,通过移动电子病历获取调查状况和患者病情对医生的决策非常有价值。不同部门透过电子病历获取资讯的需求不同
这项研究的结果表明,医生通过移动电子病历获得的信息因医生的部门或任务而异。描述性分析表明,全科医生使用m-EMR的总体情况高于外科医生。这些结果可以用内科和外科的内在差异来解释。虽然两组医生都有治疗病人的共同目标,但他们的任务和工作环境是不同的[
]。具体来说,因为外科医生经常在手术室里有重要的任务[ ,他们可能在那里的时候就已经分享了重要的信息。此外,他们通常通过直接接触患者获得信息,如物理检查或伤口敷料。相比之下,医疗部门的医生通常通过检查患者的病情或根据各种信息解释患者的诊断来工作[ ]。这两个群体之间的差异可能构成了对信息的不同需求和对获取信息方式的不同偏好。因此,外科医生可能只使用m-EMR来获取关键的患者信息。另一方面,医疗部门的医生对审阅和与其他同事共享患者信息有很高的要求。在这方面,通过移动电子病历获取信息对内科医生比外科医生更有价值。限制
这项研究有几个局限性。首先,该研究是使用仅在一家医院使用的移动电子病历应用程序的日志数据进行的。很可能每家医院都有独特的移动电子病历系统和不同的查房时间表。因此,其他研究环境可能会产生与本研究不同的结果。然而,移动电子病历在信息获取方面的价值预计也将在其他研究环境中得到证明。其次,人们承认需要更多的数据来进行更好的研究。本研究中m-EMR使用率的数据收集周期与HIS CPU使用率的数据收集周期不同。然而,考虑到医务人员在工作过程中并没有显著改变他们使用HIS的方式,使用m-EMR应用程序和HIS在同一时期的日志数据进行分析,预计会产生与本研究相似的结果。此外,关于使用移动电子病历的个人和组织倾向的信息未包括在本研究中。先前的研究表明,个人和组织特征对医院信息技术的使用有显著影响[
, - ]。因此,使用这些信息进行分析有望提高这一研究流的稳健性。第三,本研究只关注通过m-EMR读取的信息,而没有考虑信息输入。在上午查房时,通过m-EMRs检查是否经常记录调查状态或患者状况将是有价值的。结论
在信息可访问性方面,移动电子病历最突出的特点是位置无关。因此,当医生受到时间和地点的限制时,m- emr可以被最好地设计为方便获取信息。特别是在通过台式电脑访问临床信息非常有限的清晨,医生可以使用m-EMR读取有关患者状态的信息。在这方面,移动电子病历将以这样一种方式发展,即在查房期间对决策至关重要的患者信息可以轻松获取并有效地呈现。
需要进一步的研究来更深入地了解移动电子病历的使用情况。根据不同医疗任务的特点,对通过m-EMR获取信息的要求可能有所不同。此外,临床信息可以以各种方式呈现,这取决于特定m- emr的设计。因此,在其他医疗环境或使用其他m-EMR设计中探索代表性临床信息可能会有研究机会。此外,进一步的研究可能旨在调查特定医生群体与通过m-EMR访问的信息类型偏好之间的关系。
致谢
作者要感谢峨山医疗中心医疗信息办公室提供其移动电子病历的日志数据,并支持数据分析和解释。本研究已获机构审查委员会(IRB No. 2016-0287)批准。
利益冲突
没有宣布。
参考文献
- 项目M,乔治欧A,威斯布鲁克JI。移动手持技术对医院医生工作实践和患者护理的影响:系统回顾。中华医学杂志,2009;16(6):792-801 [J]免费全文] [CrossRef] [Medline]
- 李JH。患者和医疗保健提供者的智能手机的未来。卫生通报,2016 (1);22(1):1-2 [j]免费全文] [CrossRef] [Medline]
- Kim S, Lee KH, Hwang H, Yoo S.基于技术接受与使用统一理论的三级医院医护人员使用移动电子病历(EMR)影响因素分析中国医学杂志2016年1月30日;16:12 [免费全文] [CrossRef] [Medline]
- 崔伟,朴美,洪娥,金山,安荣,洪军,等。韩国某三级医院移动电子病历应用的早期经验。卫生通报,2015 Oct;21(4):292-298 [j]免费全文] [CrossRef] [Medline]
- 有传言CL。卫生保健专业人员的移动设备和应用程序:用途和好处。科学通报;2014;39(5):356-364 [j]免费全文] [Medline]
- 吴丽,李建勇,付云云。医院专业人员对移动医疗的采用:一个综合视角。决策支持系统,2011,51(3):587-596。[CrossRef]
- Kim Y, Kim SS, Kang S, Kim K, Kim J.与现有电子病历集成的移动平台开发。卫生通报,2014,7;20(3):231-235 [j]免费全文] [CrossRef] [Medline]
- De Croon R, Klerkx J, Duval E.通过参与式设计方法设计一个有用和可用的移动电子病历应用程序:一个案例研究。2014年发表于:IEEE医疗保健信息学国际会议;2014年9月;意大利维罗纳。[CrossRef]
- 李建军,李建军,李建军,李建军。移动电子病历促进工作流程:来自一项调查的医生观点。[j] Mhealth Uhealth 2016 june 06;4(2):e70 [j]免费全文] [CrossRef] [Medline]
- Rao AS, Adam TJ, Gensinger R, Westra BL.促进两个急诊科在ipad上实施电子病历的因素研究。安徽农业大学学报(自然科学版);2012;44- 49 [j]免费全文] [Medline]
- 刘建军,刘建军,刘建军,等。平板电脑与移动电子病历增强临床常规和促进床边时间:一项对照前瞻性交叉研究。中国生物医学工程学报,2015;32 (3):532- 534 [J]免费全文] [CrossRef] [Medline]
- 张建军,张建军。基于流程的组织设计与医院效率研究。医疗管理,2007;32(1):55-65。[Medline]
- 陈建军,宋敏,陈建军,陈建军。流程挖掘在医疗保健中的应用——荷兰一家医院的案例研究。编辑:Fred A, Filipe J, Gamboa H。生物医学工程系统与技术,计算机与信息科学通讯。柏林-海德堡:施普林格;2009:425 - 438。
- 公园司法院,李G,胫骨SY,金正日JH,韩寒HW, Kwon TW, et al。从三级医院保健应用发展中吸取的经验教训。中华卫生杂志;2014;20(3):215-222 [J]免费全文] [CrossRef] [Medline]
- Venkatesh V, Davis FD。技术接受模型的理论拓展:四个纵向实地研究。科学管理,2000;46(2):186-204。[CrossRef]
- 吴志强,杨建军,张建军,等。计算网格上分时Unix系统的CPU可用性预测。1999年发表于:第八届高性能分布式计算国际研讨会;1999;加州雷东多海滩,第105-112页。[CrossRef]
- 李建军,李建军,李建军,等。智能手机使用过程中终端用户语境的影响因素。2011年发表于:第五届下一代移动应用、服务和技术国际会议;2011;卡迪夫,英国,第7-12页。[CrossRef]
- laasvirta A, Rattenbury T, Ma L, Raita E.习惯使智能手机的使用更加普遍。计算机学报,2012;16(1):105-114。[CrossRef]
- M, Mobasher B, Berendt B, Nakagawa M.一种基于会话重构的网络使用分析方法。科学通报[J]; 2003;15(2):171-190。[CrossRef]
- 布朗兆瓦。探索性因子分析中分析旋转的概述。研究进展,2009;36(1):1 - 4。[CrossRef]
- 王晓明。探索性与验证性因子分析:概念与应用。美国华盛顿特区:美国心理学会;2004.
- Hendrickson AE, White PO。Promax:一种快速旋转到斜简单结构的方法。[J] .数理统计,2004;17(1):65-70。[CrossRef]
- Bruni L, Sena B,编辑。社会生活中的魅力原则。伦敦,纽约:劳特利奇出版社;2012.
- Kaiser高频。电子计算机在因子分析中的应用。心理学报,2016;20(1):141-151。[CrossRef]
- Kaiser高频。第二代小快手。心理测量,1997,35(4):401-415。[CrossRef]
- Kaiser高频。阶乘简单性的指数。心理医学杂志1974;39(1):31-36。[CrossRef]
- Bartlett MS.因子分析的显著性检验。[J] .心理科学进展,2009;30(2):377 - 385。[CrossRef]
- 斯尼德斯TA,博斯克RJ。多层次分析:介绍基本和高级多层次建模。第2版。伦敦,英国:Sage Publications;2011.
- Medicine.yale。耶鲁大学医学院每日时间表https://medicine.yale.edu/intmed/education/intmedclerkship/expectations/daily.aspx[访问日期:2017-09-18][WebCite缓存]
- Einstein.yu。爱因斯坦医学院网址:https://www.einstein.yu.edu/departments/medicine/education/residency/general-medicine-wards.aspx[访问日期:2017-09-18][WebCite缓存]
- Stickrath C, Noble M, Prochazka A, Anderson M, Griffiths M, Manheim J,等。参加当前时代的回合:正在发生什么,没有发生什么。中华临床医学杂志,2013,30(3):444 - 444。[CrossRef] [Medline]
- Motulsky A, Wong J, Cordeau JP, Pomalaza J, Barkun J, Tamblyn R.使用移动设备进行住院病人的查房和交接:儿科医院临床医生开发并迅速采用的创新应用程序。中国医学信息学报,2017;24(1):869 - 878。[CrossRef]
- Ben-Tovim DI。流程重新设计的卫生保健使用精益思维:为改善病人流量和护理的质量和安全指南。第1版。博卡拉顿,佛罗里达州:生产力出版社;2017.
- 王晓东,王晓东,Sepúlveda M .医疗保健过程挖掘:文献综述。[J]中国生物医学工程学报,2016;31(1):444 - 444。[CrossRef] [Medline]
- Wright AP, Wright AT, McCoy AB, sitg DF。使用顺序模式挖掘来预测下一个处方药物。[J]中国生物医学工程学报,2015;22 (3):391 - 391 [J]免费全文] [CrossRef] [Medline]
- 肖宇。设计信息技术的多学科轮次文献系统综述。中华医学杂志,2006;13(3):267-276 [J]免费全文] [CrossRef] [Medline]
- 张军,张建军,张建军,张建军。翻译认知在重症监护环境中的决策支持:综述。中华生物医学杂志;2008;41(3):413-431 [J]免费全文] [CrossRef] [Medline]
- 史丹菲PS,许耀华。《卫生专业导论》第4版。马萨诸塞州萨德伯里:琼斯和巴雷特出版社;2002.
- Sykes TA, Venkatesh V, Rai A.解释医生在试运行阶段使用电子病历系统和绩效。中华医学杂志,2011;18(2):125-130 [J]免费全文] [CrossRef] [Medline]
- Gagnon MP, Ghandour el K, Talla PK, Simonyan D, Godin G, Labrecque M等。医生接受电子病历:检验一个综合理论模型。[J]中国生物医学杂志,2014;48:17-27 [J]免费全文] [CrossRef] [Medline]
- 霍根荣,王立军。医疗卫生技术接受模型的过去与未来。中华生物医学杂志,2010;43(1):159-172 [J]免费全文] [CrossRef] [Medline]
- 凯志强,拉比安卡。医疗保健群体的IS回避:一项多层次调查。信息系统学报,2011;22(3):504-522。[CrossRef]
缩写
CPU:中央处理机 |
呃:急诊室 |
他:医院信息系统 |
m-EMR:移动电子病历 |
政治行动委员会:图片存档和通讯系统 |
PC:个人电脑 |
G·艾森巴赫编辑;提交01.06.17;由R Fleischmann, B Sapkota, R Robinson同行评审;对作者的评论12.07.17;收到修订版本18.08.17;接受30.08.17;发表18.10.17
版权©Junetae Kim, Yura Lee, Sanghee Lim, Jeong Hoon Kim, Byungtae Lee, Jae-Ho Lee。原发表于医学互联网研究杂志(//www.mybigtv.com), 2017年10月18日。
这是一篇在知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)下发布的开放获取文章,该许可允许在任何媒介上不受限制地使用、分发和复制,前提是原始作品首次发表在《医学互联网研究杂志》上,并适当引用。必须包括完整的书目信息,到//www.mybigtv.com/上原始出版物的链接,以及版权和许可信息。