Navigating Collective Bargaining Barriers to the Implementation of AI Scribe Technology Among Ambulatory Advanced Practice Providers: Mixed Methods Quality Improvement Study.
پخش حرفهای فارسی و انگلیسی
در حال بررسی نسخههای صوتی ذخیرهشده…
تنظیم صدای طبیعی و سرعت
صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده میشود معمولاً طبیعیترند. انتخاب صدا به صداهای نصبشده در ویندوز و مرورگر شما بستگی دارد.
چکیده اصلی
BACKGROUND: Advanced practice providers (APPs) face rising documentation demands driven by increased productivity pressures, contributing to burnout and reduced time with patients. AI scribes may reduce documentation time and improve clinician well-being and patient interaction. Labor unions have expressed concerns about AI in health care affecting job security, safety, ethics, and governance. Little is known about the deployment of AI scribes for APPs in a union environment. OBJECTIVE: This project aimed to describe the process, challenges, and outcomes of implementing an AI scribe for APPs within a unionized ambulatory academic setting, focusing on collective bargaining considerations and using a pilot project to help address APP union concerns. METHODS: Following formal notices to labor unions and a meet-and-confer process consistent with California public employer obligations, we conducted an 11-week (55-workday) pilot (June 16 to August 31, 2025) of the Abridge AI scribe among 15 primary care APPs (n=12 nurse practitioners and n=3 physician assistants). Training modules covered consent, privacy, and documentation verification. We tracked scribe use, percentage of AI notes kept, time spent on notes, and same-day encounter closures; results were reported to stakeholders. Pilot metrics were compared with those of our organization's nonpilot APPs, and additional postpilot survey data were obtained from the APPs by the vendor. This information, along with the required training and patient and health care provider protections, was used to validate this technology to the labor unions. RESULTS: Across 8100 APP encounters, the AI scribe was used in 5403 (66.7%) notes. Individual use ranged from 30% (54/179) to 89% (501/563; SD 16.9%). The average percentage of AI-generated note content retained by the APP was 78% (SD 18.2%; range 20%-93%). The time spent in the note writer for the pilot group was a mean 6 (SD 2.2; median 6, IQR 5.0-8.0) minutes vs a mean 14 (SD 11.2; median 11, IQR 8.4-18.5) minutes for nonpilot APPs. Same-day encounter closure in the pilot group was 90% (7290/8100; SD 9.3%) vs 72% (23,682/32,983; SD 30.0%) in the nonpilot group. Postpilot feedback from the pilot group showed positive APP sentiment. No postpilot formal or informal concerns were raised, and the labor unions agreed to widespread implementation of AI scribe technology across the organization for our ambulatory APPs. CONCLUSIONS: AI scribe implementation among unionized APPs was feasible when paired with structured labor engagement, pilot-testing, privacy safeguards, and optional adoption. The pilot yielded descriptive information showing a difference between pilot and nonpilot AI scribe users, with limited generalizability beyond the context of labor union engagement. The pilot's efficiency differences and documentation timeliness align with existing published data, which gave confidence in the labor unions' adoption of the technology. Future work will examine variability in use and effort reduction across APPs.
نتیجه فارسی
این مطالعه کیفیت بهبود، پیادهسازی نویسنده هوش مصنوعی (AI scribe) را در میان ارائهدهندگان بالینی پیشرفته (APP) در محیطی اتحادیهای بررسی کرد. با استفاده از یک پرواز آزمایشی ۱۱ هفتهای، نتایج نشان داد که نویسنده هوش مصنوعی زمان صرف شده برای مدارک را کاهش داد و بستری برای موافقت اتحادیههای کارگری فراهم آورد. نتایج نشاندهنده تفاوتهایی در کارایی و زمانبندی مدارکنویسی بین گروههای آزمایشی و غیرآزمایشی بود.
- پیادهسازی نویسنده هوش مصنوعی در محیط اتحادیهای با موفقیت انجام شد.
- زمان صرف شده برای مدارک در گروه آزمایشی به طور متوسط ۶ دقیقه در مقابل ۱۴ دقیقه در گروه غیرآزمایشی بود.
- بسته به آموزش و حفاظتهای حریم خصوصی، اتحادیههای کارگری موافقت کردند با پیادهسازی گسترده.
- نویسنده هوش مصنوعی در ۶۶.۷٪ از مدارک استفاده شد.
- بسته به تفاوتهای فردی، نرخ بستن ملاقات در همان روز در گروه آزمایشی ۹۰٪ بود.
ترجمه فارسی چکیده
ارائهدهندگان بالینی پیشرفته (APP) با فشارهای افزایشی برای بهرهوری و درخواستهای مدارکنویسی روبرو هستند که منجر به فرسودگی شغلی و کاهش زمان با بیماران میشود. نویسندههای هوش مصنوعی (AI scribe) ممکن است زمان مدارکنویسی را کاهش داده و سلامت روان پزشکان و تعامل با بیماران را بهبود بخشند. اتحادیههای کارگری نگرانیهایی در مورد تأثیر هوش مصنوعی بر امنیت شغلی، ایمنی، اخلاق و حاکمیت در مراقبتهای بهداشتی دارند. این پروژه به توصیف فرآیند، چالشها و نتایج پیادهسازی یک نویسنده هوش مصنوعی در محیطی اتحادیهای هدف قرار داد. در یک پرواز آزمایشی ۱۱ هفتهای (۱۱۰ روز کاری) در میان ۱۵ ارائهدهنده APP، از نویسنده Abridge AI استفاده شد. نتایج نشان داد که نویسنده هوش مصنوعی در ۶۶.۷٪ از مدارک استفاده شد و زمان صرف شده برای مدارک در گروه آزمایشی به طور متوسط ۶ دقیقه در مقابل ۱۴ دقیقه در گروه غیرآزمایشی بود. اتحادیههای کارگری پس از پرواز آزمایشی موافقت کردند با پیادهسازی گسترده این فناوری.
روش پژوهش
این مطالعه یک پرواز آزمایشی ۱۱ هفتهای (۱۱۰ روز کاری) با استفاده از نویسنده Abridge AI در میان ۱۵ ارائهدهنده APP انجام شد. دادهها از طریق ردیابی استفاده، درصد مدارک حفظ شده، زمان صرف شده و بستن ملاقاتهای همان روز جمعآوری شدند.
محدودیتها
محدودیتهای شناخته شده شامل محدودیت در تعمیمپذیری نتایج فراتر از زمینه خاص اتحادیههای کارگری و عدم گزارش دادههای پس از پرواز توسط فروشنده است.
نمای PICO و پیامدها
- جمعیت
- ارائهدهندگان بالینی پیشرفته (APP) در محیط آپارتمان (ambulatory) دانشگاهی.
- مداخله/مواجهه
- نویسنده هوش مصنوعی (AI scribe) مدل Abridge AI.
- مقایسه
- ارائهدهندگان APP غیرآزمایشی در همان سازمان.
- حجم نمونه
- ۱۵ ارائهدهنده APP در گروه آزمایشی و تعداد نامشخص در گروه غیرآزمایشی.
متن کامل اصلی
برای بررسی دسترسی کتابخانهای یا خرید، رکورد اصلی را باز کنید.
رفتن به منبع اصلی