注意:这是一个未审核预印
警告:这是一份未经审阅的预印本(什么是预印本?)．警告读者，该文件尚未经过专家/患者审稿人或学术编辑的同行评审，可能包含误导性声明，如果被接受，在最终出版前可能会发生更改，或者可能已被拒绝/撤回(上面将出现“不再考虑”的说明)。
同行评议我:如果论文处于开放的同行评议期内，我们鼓励有兴趣和专业知识的读者注册为同行审稿人(在这种情况下，上面显示了一个“peer-review Me”按钮，可以注册为审稿人)。所有目前开放审查的预印本都列在这里。在正式的开放同行评议期之外，我们鼓励您在推特上发布预印本。
引用:请引用此预印本仅用于审查或拨款申请和简历(如果您是作者)。
最终版本:如果我们的系统检测到在任何期刊上发表的最终同行评审的“记录版本”(VoR)，则将在下面显示该VoR的链接。然后鼓励读者引用VoR而不是这个预印本。
设置:如果您是作者，您可以登录并更改预打印显示设置，但预打印URL/DOI应该是稳定的和可引用的，因此一旦发布就不应该删除。
提交:张贴自己的预印本，简单提交到任何JMIR期刊，并选择适当的设置以预打印形式公开您提交的版本。
警告:这是一篇作者提交的文章，未经同行评审或编辑。除非预印本显示为“已接受”，否则不应依赖预印本来指导临床实践或与健康相关的行为，也不应在新闻媒体上作为既定信息报道。
通过EHR中的笔记记录实践区分医生:一个开源工具的案例研究，将提供者聚类为电子健康记录记录行为的表型
摘要
背景:
背景:
在电子健康记录(EHR)系统中记录临床记录对医生来说是一项至关重要的工作，但由于缺乏这样做的应用程序，描述提供者的记录行为仍然很困难。
摘要目的:
摘要目的:
本研究旨在分析多专科诊所的医生记录行为表型，以及开发开源软件，使这种分析更容易为其他诊所复制。
方法:
方法:
在这项观察性回顾性研究中，我们分析了来自EPIC Signal的医生记录行为数据，并应用k-means聚类算法来识别和分析数据集中的不同表型。
结果:
结果:
我们开发了一种高效的工具和易于遵循的协议来分析提供者的记录行为，在我们的数据中确定了四种医生表型集群。在这四组中，有两组的特点是医生的笔记效率高，其中一组的文档长度低，效率高于平均水平，另一组的文档长度平均，效率极高。在剩下的两个集群中，一个以医生笔记效率低为特征，最后一个由低容量的提供者组成。
结论:
结论:
聚类分析是一种表征不同医师笔记行为的有效方法，可以有效地识别医师冠军和需要笔记训练的医师。
引用
请求排队。正在生成文件，请稍候。这可能需要一些时间。
版权
©作者。版权所有。这是一份目前正在同行评审/社区评审(或接受/拒绝的手稿)的保密文件。作者已向JMIR出版物提供独家许可，在其网站卡塔尔世界杯8强波胆分析上发布此预印本，仅用于审查和打印前引用目的。虽然最终的同行评议论文可以在cc-by许可下发表，但在此阶段，作者和出版商明确禁止除评审目的外重新分发此论文草稿。