This paper explores the information governance (IG) maturity of Amazon's One Medical (AOM), a digital health and telehealth primary care organization. Combining Amazon's technology expertise with One Medical's healthcare services, AOM aims to transform healthcare through a human-centered, technology-powered model. However, successfully integrating Amazon's disruptive approach into the complex healthcare industry is challenging. To examine AOM's IG maturity, we compare and critique patient care in AOM against the ARMA Maturity Model and AHIMA's IGPHC framework. The study discusses the implications of telehealth on the doctor-patient relationship, rising roles of ancillary service teams, commoditization of healthcare, and potential monopolization. It also addresses security risks, compliance challenges, and the impact of technology on disadvantaged populations. Our analysis highlights the growing importance of information management in the evolving intersection between healthcare and technology and suggests potential areas for improvement in AOM's IG maturity.


翻译:本文探讨了亚马逊One Medical(AOM)数字健康和远程医疗初级护理组织的信息治理(IG)成熟度。通过将亚马逊的技术专业知识与One Medical的医疗保健服务相结合,AOM旨在通过人性化的、技术驱动的模式来改变医疗保健。然而,成功地将亚马逊的颠覆性方法整合到复杂的医疗保健行业中是具有挑战性的。为了检验AOM的IG成熟度,我们将AOM的患者护理与ARMA成熟度模型和AHIMA IGPHC框架进行比较和评论。该研究讨论了远程医疗对医患关系的影响,附加服务团队角色的增加,医疗保健的商品化和潜在的垄断化。它还讨论了安全风险、合规挑战和技术对贫困人口的影响。我们的分析突出了信息管理在医疗保健和技术相互作用的日益重要性,并建议AOM IG成熟度的潜在改进领域。

0
下载
关闭预览

相关内容

强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
LibRec 精选:推荐系统的常用数据集
LibRec智能推荐
17+阅读 · 2019年2月15日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
国家自然科学基金
0+阅读 · 2016年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
15+阅读 · 2021年11月19日
VIP会员
相关VIP内容
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
LibRec 精选:推荐系统的常用数据集
LibRec智能推荐
17+阅读 · 2019年2月15日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
相关基金
国家自然科学基金
0+阅读 · 2016年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员