XiaoMi-AI文件搜索系统
World File Search System流程模型
了解大规模 COVID-19 疫苗接种诊所前线的人为因素挑战：人类系统建模研究
背景：在世界各地实施大规模 COVID-19 疫苗接种诊所是一项成功的公共卫生活动。然而，这种紧密耦合的系统存在许多后勤挑战，导致工作场所压力增加，这在整个疫情期间都得到了证实。大规模疫苗接种诊所结合了在非临床环境中工作的多学科团队，其复杂性尚未从人类系统的角度得到理解。目标：本研究旨在全面模拟加拿大安大略省滑铁卢地区的大规模 COVID-19 疫苗接种诊所，以了解围绕一线工人的挑战，并为诊所设计和技术建议提供参考，以最大限度地减少导致工作场所压力的系统性低效率。方法：以情境调查为指导，采用民族志方法收集这些临时免疫接种环境中的工作数据。通过与诊所工作人员交谈来澄清观察数据，研究团队在整个数据收集期间定期讨论观察数据。通过结合情境设计框架和认知工作分析的各个方面，并建立工作场所模型来分析数据，这些模型可以识别大规模疫苗接种诊所流程、开发的人工制品、文化、物理布局和决策中的压力点和相互联系。结果：2021 年在 6 家大规模 COVID-19 疫苗接种诊所进行了为期 4 周的观察。工作流程模型描述了决策者在保持对客户摄入和疫苗准备的态势感知方面所面临的挑战。人工制品模型可视化了为疫苗负责人和诊所负责人分别开发的工具如何通过数据合成支持认知任务。然而，它们的有效性取决于共享准确和及时的数据。文化模型表明，如何有效实现大规模免疫的观点可能会影响工作场所压力，并改变职责。这取决于在适应不断变化的政策、法规和疫苗稀缺的同时，采取积极或放松的方式来减少疫苗浪费。物理模型表明，工作站的共置可能会影响决策协调。最后，决策阶梯描述了管理一天结束时剂量的决策步骤，强调了数据不确定性带来的挑战以及支持专业知识的方法。结论：从人类系统的角度对大规模 COVID-19 疫苗接种诊所进行建模，发现了两个改善该医疗保健系统效率低下机会。首先，诊所可以使用标准化数据收集和综合的策略和工具来提高对客户摄入或疫苗准备的意外变化的适应能力，从而减少每日剂量决策的不确定性。其次，通过以下方式改善员工之间的数据共享：