英语原文共 15 页,剩余内容已隐藏,支付完成后下载完整资料
评估数字帮助:电子病历,软件供应商和医生
Richard J.Butler ·William G.Johnson
Email: richard_butler@byu.edu
Biomedical Informatics, Arizona State University, Tempe, USA
Department of Economics, Brigham Young University, 183 FOB, Provo, UT 84062, USA
Biomedical Informatics, Arizona State University, Tempe, USA
摘要
为了从EMR设计中限制可用性的影响中分离医师特征对EMR感知生产率的影响,采用多元回归模型来估计影响医生对其EMR五个属性排名的因素,即:易用性和可靠性,EMR对医生和员工的工作效率以及EMRs绩效与供应商承诺的影响。我们将影响排名的因素分为三组:医生特征,EMR特征和实践特征(实践类型,大小和位置)。这些数据来自亚利桑那州约1800名执业医师。医生的个人特征会影响对易用性的感知和医生的生产力,但不会影响员工的工作效率,EMR的可靠性或供应商承诺的绩效。实践方式和EMR特性会影响 生产力,可靠性和性能,而不是供应商的承诺。尤其是供应商的影响在所有五个属性之间高度相关,并且总是具有共同意义的。EMR的特性是影响医生对EMR看法和其生产力,员工生产率的最重要因素。医生的特征(特别是年龄)对生产力的影响虽然很小但是很重要。
关键词:EMR·EHR·生产力·易用性·医师认知
介绍
据统计,医生在办公室使用某种形式的电子病历(EMR)从2001年的18%增加到2013年的78%(Hsiao and Hing 2014)。其中患者病史,电子处方和电子实验室订单等功能使用较少(2013年占比为48% Hsiao and Hing 2014)。
据预测,EMR的使用将提高医疗保健质量,提高生产率,减少错误并消除不必要的检测(Chaudhry 2006; Jha 2009; Skolnik 2011)。然而,预测尚未完全实现(Kellermann and Jones 2013; Jones 2012; Freudenheim 2012; Lau 2012)。
从纸质记录过渡到电子记录的行政负担阻碍了使用EMR提高生产力,以及EMR设计的不完善更加造成了医生对变化的抵制(Nov和Schecter 2012)。EMR的实行几乎改变了医生及其员工既定工作模式的各个方面,并且需要许多不熟悉计算机技能的老年医生去重新学习(Ilie,2009)。EMR还面临许多医生的抵制,因为他们高度重视自主权,并且接受新技术的速度很慢。因此,他们无法充分利用他们的EMR。
EMR中设计的一些不恰当的使用模式限制了它们的有效性,诱使用户进行一些方式替代纸张或扫描记录以使用某些EMR功能(Ratwani,2015)。
医生认知和EMR的设计问题限制了良好的使用,为了倡议目标的实现。2012年EMR采用者群体的结果表明,供应商的参与是最重要的,其次是对供应商的选择(Heisey-Grove,2014)。其他关键的地方就是实践工作流程的采用和行政实践问题。
一些研究表明了医生对采用EMR的态度,但是关于医生对日常实践中EMR有效性的看法相对较少。
还有一些轶事信息表明,一些EMR合同禁止医生公开表达他们对EMR的看法。本文中包含了一些品牌名称和特定EMR的评估,这些评估是在医生保密的情况下收集的。
本文描述了医生对EMR影响自身生产力和员工生产力的看法来评估EMR的可用性,以及EMR供应商承诺的差异和软件的性能。这些数据来自于2012 - 2013年间在亚利桑那州实习的大约1800名医生。回归模型将医生特征和实践环境的影响与EMR 软件的局限性分开,包括了所有类型的实践和专业。
调查
自1990年以来,亚利桑那州立大学健康信息与研究中心(CHIR)与allopathic(亚利桑那州医学委员会)和整骨疗法(亚利桑那州骨科检查委员会)许可委员会合作,在亚利桑那州获得许可的所有医生(Johnson et al.2013)都自愿调查被添加到许可续订中,调查答复将与每位医生的许可数据合并。
一些EMR研究确定了EMR实践的数量,而CHIR计算了EMR医师的数量,国家卫生 统计中心(NCHS)调查(CDC,2015)也是如此。NCHS数据仅限于办公室医生,但CHIR调查包括所有实践设置。
数据定义如下:
电子病历医生选择存储其病历的三种可能方法中的任何一种或全部,即:
注意:提供的复选框是针对超过21个EMR的品牌名称,其他人的开放式响应。
专业医师可以向授权委员会报告多个专业,并且他们不需要在报告的专业中获得董事会认证。我们采用了报道的第一个专业,并没有按照多个专业对医生进行分类。 儿科专业被定义为儿科医生或从事儿科专科医生的医生。外科专业包括外科医生或 任何外科专科。基于医院的专业包括重症监护医学,诊断成像和放射学,急诊医学, 住院医学,传染病,新生儿学,呼吸护理,运输医学,麻醉学,重症监护医学,病 理学,核医学,康复和职业医学,或放射肿瘤学。初级保健的定义包括家庭护理, 一般诊所,老年病学或内科。所有其他专业都被定义为医疗专业,包括妇产科,遵 循了亚利桑那州医疗补助计划(AHCCCS)使用的惯例。
EMR的评级
评级取自以下调查问题 :
“ 在1(糟糕)到5(优秀)的等级上,您如何评价您的EMR / EHR系统:
在2012年3月20日至2013年4月29日期间,共有9,488名住在亚利桑那州的医生续签了执照。调查回复来自亚利桑那州的8276名医生,平均回应率为87%。
本文的数据仅限于具有EMR的医生。由于大量医生不知道其EMR中可用的许多选项, 因此会出现额外的减少。对于我们模型中所有变量的完整答案,EMR用户的“所有受访者”样本包括略多于1800名医生。
下一节描述了一个模型,用于将差异划分为可归因于医生特征的部分和反映EMR供应商之间差异的部分。
模型
匹配模型在经济市场中无处不在,因为具有不同的买家和卖家。EMR软件的特性不仅因供应商而异,而且医生要求的功能也可能因实践类型,专业,地点和医生的人口统计而异。我们的模型是双边匹配市场的简单版本(Niederle,2008),其中匹配的值在下面的模型符号中给出为“e”。
假设每位医生都喜欢他/她的EMR软件的一系列功能,这些功能可以根据他们的经验和专长最好地补充她或他的医疗实践。(让这个所需特征的索引用eta;表示。)每个EMR供应商都提供一种产品,其特征反映了其开发者的相对优势(让所提供特征的索引用psi;表示)。医生在供应商中的选择取决于所提供的特征与所提供的特征的成本相匹配的期望特征的程度。例如,所提供的特征的成本排名必须与要购买的EMR的期望特征的排名相匹配。
每位医生所感知的EMR的生产率定义为e。该变量测量医生购买的EMR软件的提供和期望特征之间的差异,,使得H随着期望特征和提供特征之间的距离下降而增加随着与供应商匹配的价值e增加,医生能够更好地实现诸如净收入最大化,患者福祉,看病人数和员工生产率等目标。
例如,独立从业者可能希望通过购买具有适当“易用性”特征的EMR软件,来最大化
他或她的生产力。就医生个人而言,e的价值越高,生产力越高或越大,就越便于使用:
(1)
第一顺序条件是,为医生办公室提供匹配良好的“易用性”软件所带来的边际收益等于购买此类软件的边际成本,或者
p qt = Ct (2)
其中p =医生的服务费(或合同费率),q(e)=服务的患者数, part;c gt; ,F =其他固定成本。
关于服务患者的难度增加的标准优化假设)并且在实施更复杂的软件时会增加边际成本 保证每个响应者的独特“易用性”结果
总之,匹配的生产力e取决于每个医生的经验和专业之间的匹配,以及竞争EMR的特征。
与生产力相关的一组属性是否与医生的特征最相关,或者与本文讨论了EMR的特征,或两者
兼而有之。
我们将生产力概念概括为五个不同的属性,并估算每个属性的模型。这五个因变量 是感知的生产力指数(匹配的价值)对分配给的评级的响应:易用性;对医生(自己)生产力的影响;员工生产力;可靠性和EMR性能与供应商承诺相比。自身生产率和员工生产率指数是认知 生产率的直接衡量标准(以下简称“生产率”)。可靠性和易用性指数不那么直接,但可以合理地假设EMR的可靠性越低,完成设计任务所花费的时间就越多。如果EMR不可靠,用户也可能会开始替换其他方法,如纸质记录,从而降低EMR的生产率。类似地,使用EMR越困难,例如当医生必须通过多个菜单来记录经常使用的程序时,使用医生的时间就越少。由于医生采用EMR是理解EMR改善医疗保健潜力的基础,因此我们还将性能与供应商承诺变量作为EMR实施过程中的“认知生产力”因素。
我们提出了OLS回归模型以便于解释,但在估计有序逻辑回归时获得了几乎相同的结果(附录中:见表5,6和7)。使用右侧变量的替代规范来检查结果的稳健性。所有情况下的估算框架都采用方程式:
生产力指数=beta;0 (医师!特征)beta;1
(练习特征)beta;2
(EMR功能)beta;3
(供应商仿制品)beta;4 mu; (3)
匹配的认知生产力或其值由几个独立变量和不相关的随机影响产生,mu;.beta;1,beta;2,
beta;3,beta;4 是系数的向量,与相应的自变量向量。具体而言,医生的特征包括:性别,
DO或MD,年龄,实践专业,调查受访者是否选择了EMR供应商,以及受访者是实践的所有者还是部分所有者。实践特征包括以下载体:实践类型和实践大小,以及实践的位置(县作为城市环境的衡量标准)。EMR功能包括用于EMR软件是否包括(和医生使用)的虚拟变量:患者护理摘要,电子处方,电子实验室订单。包括EMR /EHR供应商的虚拟变量。
在理论上或之前的研究中没有关于年龄,性别,DO,MD实践类型或位置对EMR感知生产率的影响的完善先例。以前的研究中有一些有限的信息,例如,控制性别, 女性医生更倾向于EMR使用(Nov和Schecter 2012),尽管这一结果来自对德国仅有72名医生的研究。例如,发现性别对医生对EMR的接受没有显着影响(Gagon2014年)。
Gason也确实发现了一些技术接受模型,一般实践与专业和年龄lt;50的重要影响。结果基于魁北克调查的157名受访者,回复率为2.5%。
我们同意,习惯使用电子媒体的年轻医生可能会报告说EMR比老医生更能提高他们的生产力。全科医生与专科医生的结果也符合我们的预期,而初级保健医生面临更广泛的症状来诊断,治疗或转诊,他们能发现EMR软件比专科医生更有用。
最后,在认知失调影响医生思维的程度上,我们期望选择其EMR的医生比不是决策者的人更有可能找到它的生产力(Meinert和Peterson,2009)。我们还期望决策者能敏锐地意识到承诺的效率。
个体特征对感知的影响可能很有意思,但我们的主要目标是区分医生特征的联合意义与EMR供应商虚拟变量的联合意义。也就是说,我们想知道医生中EMR感知生产率的差异(我们模型中(eta;,psi;)向量的差异)是否由医生及其实践的特征,EMR的特征驱动的。
我们通过比较来估计不同影响对感知生产力的相对重要性:(1)一组系数与另一组 系数的联合显着性(比如EMR-软件提供者仿制品的医生特征,反之亦然),(2)EMR 函数向量的重要性。函数向量表示医生对给定EMR增加其生产力的看法(通过包含EMR提供者的虚拟变量使软件供应商保持不变)。
结果
结果包括医生排名的描述性数据,从所有医生的样本中估计模型,并将相同模型的数据,单独应用于仅限于初级保健医生的样本。
许多研究关注的是EMR的不足,但表1中描述的评级几乎是对称的,其平均值等于或略高于1-5级中的中点。结果与2011年NCHS办公室医师调查结果一致,显示38% 的医生对他们的EMR非常满意,46%有些满意(Jamoom等人,2012)。
使用EMR的易用性的加权平均等级为3.3英寸(表1,左栏)。只有20.4%的医生给他们的EMR评分小于3,而43.7%的EMR评分他们的EMR大于3.该分布表明,医生对使用EMR的容易程度略微肯定。医生对其EMR的可靠性更为积极,超过53%的人将其EMR的可靠性评为4或5,平均评分为3.5。大多数医生对其EMR的生产力影响持中立或肯定,但表1中描述的每个属性的平均评级都存在很大差异。
表1按医生数量分列的生产力评级来源AMB,ABOE调查数据,2012-2013
排行 |
便于使用 |
对自己的影响(物理 cian)生产力 |
对员工的影响 生产率 |
可靠性 |
表现vs. 供应商承诺 |
1(糟糕) |
<p 剩余内容已隐藏,支付完成后下载完整资料
资料编号:[19720],资料为PDF文档或Word文档,PDF文档可免费转换为Word </p |
课题毕业论文、文献综述、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。