专题 燃烧:对初级保健医生基于机器学习的燃烧预测因素的定性验证:一项探索性研究
Daniel Tawfik1, Stefanie S Sebok-Syer2, Cassandra Bragdon3
1Pediatrics, Stanford University, Stanford, United States.
Applied clinical informatics
|April 28, 2025
概括
电子健康记录 (EHR) 使用措施可以预测医生倦怠,但定性见解揭示了影响初级保健医生的重大消息和文档负担. 解决这些与EHR相关的工作负担是改善医生福祉的关键.
科学领域:
- 医学信息学 医学信息学
- 主要护理医学 医疗保健
- 医生福利 医生福利
背景情况:
- 电子健康记录 (EHR) 使用指标可以量化医生的活动,并确定倦怠风险.
- 然而,电子病历使用与医生生活经验之间的关系尚不清楚.
研究的目的:
- 调查初级保健医生与电子健康记录相关的经验和福祉.
- 通过机器学习将这些体验与与燃烧预测相关的EHR使用指标进行比较.
主要方法:
- 使用与初级保健医生和诊所经理进行半结构面试的定性研究.
- 分析不同倦怠分数和随时间变化 (2020-2022) 的诊所.
- 归纳和演编码专注于患者负载,文档,消息,订单和医生的痛苦/满足.
主要成果:
- 医生面临着高的消息和文档负担,超过可用的工作时间.
- 尽管面临挑战,但EHR负担也提供了患者护理的好处.
- 人员短缺和员工流动加剧了工作负载的需求,导致了倦怠.
结论:
- 可量化的EHR工作负担对初级保健医生来说是痛苦的重要来源.
- 组织认可,足够的人员和支持对于减轻EHR相关负担和减少倦怠至关重要.


