使用基于电子健康记录的基于表格式变压器的语言模型来测量认知努力,以电子健康记录为基础的审计日志行动序列
Seunghwan Kim1,2, Benjamin C Warner3, Daphne Lew2
1Roy and Diana Vagelos Division of Biology and Biomedical Sciences, Washington University in St. Louis, St. Louis, MO 63110, United States.
概括
开发了一种新的度量,即动作,用于测量电子健康记录 (EHR) 使用中的认知努力. 这种方法准确地识别了诸如注意力转换之类的高精力任务,可能有助于优化工作流程.
科学领域:
- 医疗信息学 医疗信息学
- 认知科学 认知科学
- 人与计算机的交互
背景情况:
- 电子健康记录 (EHR) 是现代医疗保健不可或缺的组成部分,但可以给临床医生带来重大认知负担.
- 量化与基于EHR的任务相关的认知努力对于提高可用性和临床医生的福祉至关重要.
研究的目的:
- 开发和验证一种新的测量方法,称为动作,用于评估基于EHR的工作期间的认知努力.
- 评估动作在区分高和低认知需求场景中的实用性.
主要方法:
- 利用了手术重症监护室的临床医生和高级实践提供者 (APP) 的EHR审计日志.
- 训练神经语言模型 (LMs) 根据先前的序列来预测下一个动作.
- 计算了作为预测下一步行动的交叉的动作,并对注意力转换事件进行了验证.
主要成果:
- 动作在注意力转换场景中明显高于非转换场景 (P < .001).
- 特定的注意力转换事件,如切换到或从电子健康记录收件箱,显示出参与者和APP的动作的实质性增加.
- 该指标在识别高认知力度的情况时表现出了歧视性有效性.
结论:
- 基于LM的指标行动,有效量化了EHR工作流程中的认知负担.
- 该测量表明作为一种选工具的承诺,用于识别与增加认知负载相关的行为行为表型.
- 进一步验证可能会导致其在优化EHR设计和临床工作流程中的应用.
