IT for Hospitals
Upcoming SlideShare
Loading in...5

IT for Hospitals






Total Views
Views on SlideShare
Embed Views



0 Embeds 0

No embeds



Upload Details

Uploaded via as Adobe PDF

Usage Rights

CC Attribution-NonCommercial-ShareAlike LicenseCC Attribution-NonCommercial-ShareAlike LicenseCC Attribution-NonCommercial-ShareAlike License

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
Post Comment
Edit your comment

IT for Hospitals IT for Hospitals Presentation Transcript

  • IT for Hospitals Nawanan Theera‐Ampornpunt, MD, PhD Oct. 22, 2013 For Ramathibodi Hospital Administration School
  • A Few Words About Me... 2003 M.D. (1st-Class Honors) Ramathibodi 2009 M.S. (Health Informatics) University of Minnesota 2011 Ph.D. (Health Informatics) University of Minnesota Currently • Deputy Executive Director for Informatics (CIO), Chakri Naruebodindra Medical Institute, Faculty of Medicine Ramathibodi Hospital Contacts 2
  • Outline Healthcare & Health IT Adopting Health IT Health IT Applications in Hospitals IT Management 3
  • Health care &  Health IT 4
  • Manufacturing 5 Image Source:
  • Banking 6 Image Source:
  • Health care 7 ER ‐ Image Source:
  • Why Health care Isn’t Like Any Others?  Life‐or‐Death  Many & varied stakeholders  Strong professional values  Evolving standards of care  Fragmented, poorly‐coordinated systems  Large, ever‐growing & changing body of  knowledge  High volume, low resources, little time 8
  • Why Health care Isn’t Like Any Others?  Large variations & contextual dependence Input Output Patient  Presentation 9 Process Decision‐ Making Biological  Responses
  • But...Are We That Different? Banking Input Process Output Transfer Location A Location B Value‐Add ‐ Security ‐ Convenience ‐ Customer Service 10
  • But...Are We That Different? Manufacturing Input Process Output Raw  Materials Assembling Finished  Goods Value‐Add ‐ Innovation ‐ Design ‐ QC 11
  • But...Are We That Different? Health care Input Process Output Sick Patient Patient Care Well Patient Value‐Add ‐ Technology & medications ‐ Clinical knowledge & skills ‐ Quality of care; process improvement ‐ Information 12
  • Why Adopting Health IT? “To Go paperless” “To Computerize” “To Get a HIS” “Digital Hospital” “To Have EMRs” “To Share data” 13 “To Modernize”
  • Some Quotes  “Don’t implement technology just for  technology’s sake.”  “Don’t make use of excellent technology.  Make excellent use of technology.” (Tangwongsan, Supachai. Personal communication, 2005.)  “Health care IT is not a panacea for all that ails  medicine.” (Hersh, 2004) 14
  • What Clinicians Want? To treat & to care for their patients to their best abilities, given limited time & resources 15 Image Source: (Nevit Dilmen)
  • High Quality Care Safe Timely Effective Efficient Equitable Patient‐Centered 16 Institute of Medicine, Committee on Quality of Health Care in America.  Crossing the quality chasm: a new health system for the 21st century.  Washington, DC: National Academy Press; 2001. 337 p. IOM (2001)
  • Information is Everywhere in Health Care 17
  • Achieving Quality Care with Information  Safe  Drug allergies  Medication Reconciliation Timely  Complete information at point of care Effective  Better clinical decision‐making 18 Image Source:
  • Achieving Quality Care with Information  Efficient  Faster care  Time & cost savings  Reducing unnecessary tests Equitable  Access to providers & knowledge Patient‐Centered 19  Empowerment & better self‐care
  • That’s Where Health IT  Plays A Role... 20
  • The Anatomy of the Word “Health IT” Health Information Technology 21 Goal Value‐Add Tools
  • Various Forms of Health IT Hospital Information System (HIS) Computerized Provider Order Entry (CPOE) Electronic  Health  Records  (EHRs) 22 Picture Archiving and  Communication System  (PACS)
  • Still Many Other Forms of Health IT Health Information  Exchange (HIE) m‐Health Biosurveillance Personal Health Records  (PHRs) Information Retrieval 23 Telemedicine &  Telehealth Images from Apple Inc.,, Google,, and American Telecare, Inc.
  • Value of Health IT (in Literature) Guideline adherence  Better documentation  Practitioner decision making or  process of care  Medication safety  Patient surveillance &  monitoring  Patient education/reminder 24
  • Fundamental Theorem of Informatics 25 (Friedman, 2009) Friedman (2009)
  • Is There A Role for Health IT? 26 IOM (2000)
  • Landmark IOM Reports IOM (2000) 27 IOM (2001)
  • Landmark IOM Reports: Summary  Humans are not perfect and are bound to make  errors  Highlight problems in the U.S. health care system  that systematically contributes to medical errors and  poor quality  Recommends reform that would change how health  care works and how technology innovations can  help improve quality/safety 28
  • Summary: Why We Need Health IT  Health care is very complex (and inefficient)  Health care is information‐rich  Quality of care depends on timely availability &  quality of information  Clinical knowledge body is too large  Short time during a visit  Practice guidelines are put “on‐the‐shelf”  “To err is human” 29
  • To Err Is Human  Perception errors 30 Image Source: interaction‐
  • To Err Is Human  Lack of Attention 31 Image Source:
  • To Err Is Human  Human Brain’s Limited Memory 32 Image Source: Dr. Suthan Srisangkaew
  • To Err Is Human  Cognitive Errors - Example: Decoy Pricing # of  People The Economist Purchase Options • subscription  • Print subscription • Print & web subscription $59 $125 $125 # of  People The Economist Purchase Options • subscription  • Print & web subscription 33 16 0 84 $59 $125 68 32 Ariely (2008)
  • What If This Happens in Healthcare? It already happens.... (Mamede et al., 2010; Croskerry, 2003; Klein, 2005) What if health IT can help? 34
  • Adopting  Health IT 35
  • Adoption of Health IT: Assumptions Adoption 36 Use Outcomes
  • U.S.’s Efforts on Health IT Adoption ? “...We will make wider use of electronic records and  other health information technology, to help control  costs and reduce dangerous  medical errors.” President George W. Bush Sixth State of the Union Address, January 31, 2006 37 Source: Image Source:
  • Public Policy in Informatics: A US’s Case 1991: IOM’s CPR Report published 1996: HIPAA enacted 2000‐2001: IOM’s To Err Is Human &  Crossing the Quality Chasm published 2004: George W. Bush’s Executive Order  establishing ONCHIT (ONC) 2009‐2010: ARRA/HITECH Act &  “Meaningful use” regulations 38
  • U.S. Adoption of Health IT Ambulatory (Hsiao et al, 2009) Hospitals (Jha et al, 2010) Basic EHRs w/ notes Comprehensive EHRs CPOE for medications 9.2% 2.7% 34% • U.S. lags behind other Western countries  (Schoen et al, 2006;Jha et al, 2008) • Money and misalignment of benefits is the biggest  reason 39
  • We Need “Change” “...we need to upgrade our medical  records by switching from a paper to  an electronic system of record  keeping...” President Barack Obama June 15, 2009 40
  • The Birth of “Meaningful Use” “...Our recovery plan will invest in  electronic health records and new technology  that will reduce errors, bring down costs,  ensure privacy, and save lives.” President Barack Obama Address to Joint Session of Congress February 24, 2009 41 Source:
  • American Recovery & Reinvestment Act  Contains HITECH Act (Health Information Technology for Economic and  Clinical Health Act)  ~ 20 billion dollars for Health IT investments  Incentives & penalties for providers 42
  • What is in the HITECH Act? 43 (Blumenthal, 2010)
  • “Meaningful Use” Pumpkin 44 “Meaningful Use”  of a Pumpkin Image Source & Idea Courtesy of Pat Wise at HIMSS, Oct. 2009
  • “Meaningful Use” of Health IT Stage 1 ‐ Electronic capture of  health information ‐ Information sharing ‐ Data reporting Stage 3 Stage 2 Use of EHRs to improve  processes of  care 45 Better  Health Use of  EHRs to  improve  outcomes Blumenthal (2010)
  • Adoption Studies: Descriptive Aspect 2004 2011 Theera‐ Ampornpunt (2011) 46 Pongpirul et al.  (2004)
  • Adoption Estimates Estimate (Partial or Complete Adoption) Basic EHR, outpatient Basic EHR, inpatient Basic EHR, both settings Comprehensive EHR, outpatient Comprehensive EHR, inpatient Comprehensive EHR, both settings order entry of medications, outpatient order entry of medications, inpatient order entry of medications, both settings order entry of all orders, outpatient order entry of all orders, inpatient order entry of all orders, both settings 47 Nationwide 86.6% 50.4% 49.8% 10.6% 5.7% 5.3% 96.5% 91.4% 90.2% 88.6% 81.7% 79.4% Theera‐Ampornpunt (2011)
  • Health IT  Applications  in Hospitals 48
  • Enterprise‐wide Hospital IT  Master Patient Index (MPI)  Admit‐Discharge‐Transfer (ADT)  Electronic Health Records (EHRs)  Computerized Physician Order Entry (CPOE)  Clinical Decision Support Systems (CDSSs)  Picture Archiving and Communication System (PACS)  Nursing applications  Enterprise Resource Planning (ERP) 49
  • Departmental IT  Pharmacy applications  Laboratory Information System (LIS)  Radiology Information System (RIS)  Specialized applications (ER, OR, LR,  Anesthesia, Critical Care, Dietary Services,  Blood Bank)  Incident management & reporting system 50
  • EHRs & HIS The Challenge ‐ Knowing What It Means Electronic Health  Records (EHRs) Hospital  Information System  (HIS) Electronic Medical  Records (EMRs) Electronic Patient  Records (EPRs) Computer‐Based  Patient Records  (CPRs) 51 Personal Health  Records (PHRs) Clinical Information  System (CIS)
  • EHR Systems Just electronic documentation? History  & PE Diag‐ nosis Treat‐ ments Or do they have other values? 52 ...
  • Functions that Should Be Part of EHR Systems  Computerized Medication Order Entry  Computerized Laboratory Order Entry  Computerized Laboratory Results  Physician Notes  Patient Demographics  Problem Lists  Medication Lists  Discharge Summaries  Diagnostic Test Results  Radiologic Reports 53 IOM (2003), Blumenthal et al (2006)
  • Computerized Physician Order Entry (CPOE) 54
  • Computerized Physician Order Entry (CPOE) Values No handwriting!!!  Structured data entry: Completeness, clarity,  fewer mistakes (?)  No transcription errors!  Streamlines workflow, increases efficiency 55
  • Clinical Decision Support Systems (CDSs)  The real place where most of the  values of health IT can be achieved (Shortliffe, 1976) 56  Expert systems  Based on artificial intelligence,  machine learning, rules, or  statistics  Examples: differential diagnoses,  treatment options
  • Clinical Decision Support Systems (CDSSs)  Alerts & reminders  Based on specified logical conditions  Examples:  Drug‐allergy checks  Drug‐drug interaction checks  Drug‐disease checks  Drug‐lab checks  Drug‐formulary checks  Reminders for preventive services or certain actions  (e.g. smoking cessation)  Clinical practice guideline integration 57
  • Example of “Alerts & Reminders” 58
  • CDS Examples Reference information or evidence‐ based knowledge sources Drug reference databases  Textbooks & journals  Online literature (e.g. PubMed) Tools that help users easily access  references (e.g. Infobuttons) 59
  • Infobuttons 60 Image Source:
  • CDS Examples Pre‐defined documents  Order sets, personalized “favorites”  Templates for clinical notes  Checklists  Forms Can be either computer‐based or  paper‐based 61
  • Order Sets 62 Image Source:
  • CDS Examples Simple UI designed to help clinical  decision making Abnormal lab highlights  Graphs/visualizations for lab results Filters & sorting functions 63
  • Abnormal Lab Highlights 64 Image Source:
  • Clinical Decision Support Systems (CDSSs) PATIENT Perception CLINICIAN Attention Long Term Memory Knowledge Working Memory Data External Memory Knowledge Data Inference DECISION 65 Elson, Faughnan & Connelly (1997)
  • Clinical Decision Support Systems (CDSSs) PATIENT Perception CLINICIAN Attention Long Term Memory Knowledge Working Memory Data External Memory Knowledge Inference DECISION 66 Abnormal lab  highlights Data
  • Clinical Decision Support Systems (CDSSs) PATIENT Perception CLINICIAN Attention Long Term Memory Knowledge Working Memory Data External Memory Knowledge Inference DECISION 67 Drug‐Allergy  Checks Data
  • Clinical Decision Support Systems (CDSSs) PATIENT Perception CLINICIAN Attention Long Term Memory Knowledge Working Memory Data External Memory Knowledge Inference DECISION 68 Drug‐Drug  Interaction  Checks Data
  • Clinical Decision Support Systems (CDSSs) PATIENT Perception CLINICIAN Attention Long Term Memory Knowledge Working Memory Data External Memory Knowledge Inference DECISION 69 Clinical Practice  Guideline  Reminders Data
  • Clinical Decision Support Systems (CDSSs) PATIENT Perception CLINICIAN Attention Long Term Memory Knowledge Working Memory Data Knowledge Inference DECISION 70 External Memory Data Diagnostic/Treatment  Expert Systems
  • IBM’s Watson 71 Image Source:
  • Rise of the Machines? 72 Image Source:
  • Clinical Decision Support Systems (CDSSs)  CDSS as a replacement or supplement of  clinicians?  The demise of the “Greek Oracle” model (Miller & Masarie, 1990) The “Greek Oracle” Model Wrong Assumption The “Fundamental Theorem” Model Correct Assumption 73 Friedman (2009)
  • Clinical Decision Support Systems (CDSSs) Some risks  Alert fatigue 74
  • Workarounds 75
  • Health IT for Medication Safety Ordering CPOE Transcription Dispensing Administration Automatic  Medication  Dispensing Electronic  Medication  Administration  Records  (e‐MAR) Barcoded Medication  Dispensing 76 Barcoded Medication  Administration
  • Health Information Exchange (HIE) Government Hospital B Hospital A Lab 77 Patient at Home Clinic C
  • Achieving HIE (or eHealth) 78 WHO & ITU
  • Myths & Truths on Standards นวนรรน ธีระอัมพรพันธุ์. ตํานานความเชื่อและข้อเท็จจริงเกี่ยวกับมาตรฐานสารสนเทศทางสุขภาพ. ใน: Health Data Standards Expo: From Reimbursement to Clinical Excellence; 2011 Aug 8-9; Bangkok, Thailand. Bangkok (Thailand): Mahidol University, Faculty of Medicine Ramathibodi Hospital; 2011 Aug. 79
  • Myths & Truths on Standards Myths  We don’t need standards  Standards are IT people’s jobs  We should exclude vendors from this  We need the same software to share data  We need to always adopt international  standards  We need to always use local standards 80 Theera-Ampornpunt (2011)
  • Standards: Why?  The Large N Problem N = 2, Interface = 1 N = 3, Interface = 3 N = 5, Interface = 10 # Interfaces = N(N-1)/2 81 N = 100, Interface = 4,950
  • IT Management 82
  • Balanced Focus of Informatics People Process 83 Techno‐ logy
  • ความเดิมตอนที่แล้ว... Health IT: ของดี (อาจจะ) (แต่ก็อาจมีโทษ) มีประโยชน์ บริบท (local contexts) มีความสําคัญ  ต้องมีการบริหารจัดการที่เหมาะสม ประเด็นพิจารณา อะไรคือบริบทที่เกี่ยวข้อง? จะจัดการมันอย่างไร? 84
  • Context The current location The tailwind The headwind The past journey The  direction The destination The speed The sailor(s) &  people on board 85 The sail The boat The sea The sailboat image source: Uwe Kils via
  • Direction & Destination Visionรพ.มหาวิทยาลัย 900 าเตียง เป็นโรงพยาบาลชั้นนํ ของ ภูมิภาคเอเชียทีมีความเป็นเลิศใน ่ ด้านบริการ การศึกษา และวิจัย 86 Vision รพ.เอกชน 200High ง เป็นโรงพยาบาล เตีย Tech High Touch ชั้นนําของประเทศ
  • “The Sail” Carr (2004) 87 Carr (2003)
  • 4 Quadrants of Hospital IT Strategic Business  Intelligence HIE PHRs Administrative CRM Social  Media CDSS CPOE Clinical VMI EHRs PACS LIS ERP ADT Word  Processor 88 MPI Operational
  • IT As A Strategic Advantage Sustainable competitive Yes advantage Yes Yes Yes Non-Substitutable? Valuable ? No Resources/ capabilities 89 Rare ? No Inimitable ? No Preemptive advantage No Competitive necessity Competitive parity Competitive Disadvantage From a teaching slide by Nelson F. Granados, 2006 at University of Minnesota Carlson School of Management
  • “The Sail” Vision เป็นโรงพยาบาลชั้นนําของ ภูมิภาคเอเชียทีมยาลัย 900 ศใน ง รพ.มหาวิท่ ีความเป็นเลิ เตีย ด้านบริการ การศึกษา และวิจัย Current IT Environment  เป็น รพ.แรกๆ ที่มี HIS ซึ่งพัฒนาเอง และ ต่อยอดจาก MPI, ADT ไปสู่ CPOE (แต่ ยังขาด advanced CDSS) ระบบ HIS เข้ากับ workflow ของ รพ. เป็นอย่างดี  ปัจจุบัน ระบบ HIS ยังใช้เทคโนโลยี เดียวกับช่วงที่พัฒนาใหม่ๆ (20 ปีก่อน) เป็นหลัก มีการนําเทคโนโลยีใหม่ๆ มาใช้ อย่างช้าๆ 90 Vision เป็นโรงพยาบาล High Tech Highรพ.เอกชน นําของประเทศ Touch ชั้น 200 เตียง Current IT Environment  มี MPI, ADT, EHRs, CPOE แต่ยังมี CDSS จํากัด  ยังไม่มี Customer Relationship Management (CRM)  ยังไม่มี Personal Health Records (PHRs)
  • IT As A Strategic Advantage Sustainable competitive Yes advantage Yes Yes Yes Non-Substitutable? Valuable ? No Resources/ capabilities 91 Rare ? No Inimitable ? No Preemptive advantage No Competitive necessity Competitive parity Competitive Disadvantage From a teaching slide by Nelson F. Granados, 2006 at University of Minnesota Carlson School of Management
  • “The Sailors” People Process 92 Techno‐ logy
  • “The Sailors”  บุคลากรมีอายุเฉลีย 42 ปี ่ (range 20-65) ยาลัย 900 เตียง รพ.มหาวิท  แผนก IT มีทั้งบุคลากรใหม่และทีเคย ่ พัฒนาระบบ HIS ตั้งแต่แรกเริ่ม  แพทย์มีความเป็นตัวของตัวเองสูง, มักทํางานเอกชนด้วย, มี turn-over rate สูง  พยาบาลและวิชาชีพอื่นมักมองว่า แพทย์คืออภิสทธิ์ชน และมีเรื่อง ิ ถกเถียงกันบ่อยๆ 93  บุคลากรมีอายุเฉลีย 32 ปี ่ (range 20-57) 200 เตียง รพ.เอกชน  แผนก IT เข้มแข็ง  แพทย์ไม่ค่อยมี interaction กับ บุคลากรอื่น, รายได้เป็นแรงดึงดูดหลัก  ผู้บริหารได้รับการยอมรับจากบุคลากร ทุกวิชาชีพว่ามีวิสัยทัศน์และบริหารงาน ได้ดี
  • IT Outsourcing Decision Tree No No Is external delivery reliable and lower cost? Yes Does service offer  competitive advantage? Yes 94 Keep Internal Keep Internal OUTSOURCE!
  • IT Outsourcing Decision Tree: Ramathibodi’s Case External delivery unreliable • Non‐Core HIS External delivery higher cost • ERP maintenance/ongoing  customization No No Is external delivery reliable and lower cost? Yes Does service offer  competitive advantage? Yes 95 Keep Internal Keep Internal Core HIS, CPOE Strategic advantages • Agility due to local workflow accommodations • Secondary data utilization (research, QI) • Roadmap to national leader in informatics OUTSOURCE! ERP initial  implementation,  PACS, RIS,  Departmental  systems,  IT Training
  • Gartner Hype Cycle 96 Image source: Jeremy Kemp via‐cycle.jsp
  • Rogers’ Diffusion of Innovations: Adoption Curve Rogers (2003) 97
  • Hospital IT Adoption Success Factors  Communications of project plans & progresses  Workflow considerations  Management support of IT projects  Common visions  Shared commitment  Multidisciplinary user involvement  Project management  Training  Innovativeness  Organizational learning 98 Theera‐Ampornpunt (2009, 2011) [Unpublished]
  • Resources on Change Management Lorenzi & Riley (2004) 99 Leviss (Editor) (2010)
  • Summary  Healthcare is complex  Health IT can benefit healthcare through  Information delivery  Process improvement  Empowering providers & patients  The world is moving toward health IT  Management of hospital IT is crucial to success  Balance of “People, Process & Technology”  Know your organization (“context”)  Strategic mindset  Project & change management 100
  • Patients Are Counting on Us... 101 Image Source:
  • Q & A... Download Slides Contacts 102
  • References  Ariely D. Predictably irrational: the hidden forces that shape our decisions. New York City  (NY):HarperCollins; 2008. 304 p.  Blumenthal D. Launching HITECH. N Engl J Med. 2010 Feb 4;362(5):382‐5.  Blumenthal D, DesRoches C, Donelan K, Ferris T, Jha A, Kaushal R, Rao S, Rosenbaum S. Health  information technology in the United States: the information base for progress [Internet].  Princeton (NJ): Robert Wood Johnson Foundation; 2006.  Carr NG. Does IT matter? Information technology and the corrosion of competitive advantage.  Boston (MA):Harvard Business Press;2004. 208 p.  Carr NG. IT doesn’t matter. Harvard Bus Rev. 2003 May 1;81(5):41‐9.  Croskerry P. The importance of cognitive errors in diagnosis and strategies to minimize them.  Acad Med. 2003 Aug;78(8):775‐80. 81 p. Available from:  Friedman CP. A "fundamental theorem" of biomedical informatics. J Am Med Inform Assoc.  2009 Apr;16(2):169‐70.  Hersh W. Health care information technology: progress and barriers. JAMA. 2004 Nov  10:292(18):2273‐4. 103
  • References  Hsiao C, Beatty PC, Hing ES, Woodwell DA. Electronic medical record/electronic health record  use by office‐based physicians: United States, 2008 and preliminary 2009 [Internet]. 2009  [cited 2010 Apr 12]; Available from: emr_ehr.pdf  Institute of Medicine, Board on Health Care Services, Committee on Data Standards for  Patient Safety. Key Capabilities of an electronic health record system: letter report [Internet].  Washington, DC: National Academy of Sciences;2003. 31 p. Available from:  Institute of Medicine, Committee on Quality of Health Care in America. To err is human:  building a safer health system. Kohn LT, Corrigan JM, Donaldson MS, editors. Washington, DC:  National Academy Press;2000. 287 p.  Institute of Medicine, Committee on Quality of Health Care in America. Crossing the quality  chasm: a new health system for the 21st century. Washington, DC: National Academy Press;  2001. 337 p.  Jha AK, DesRoches CM, Campbell EG, Donelan K, Rao SR, Ferris TG, Shields A, Rosenbaum S,  Blumenthal D. Use of electronic health records in U.S. hospitals. N Engl J Med.  2009;360(16):1628‐38.  Jha AK, Doolan D, Grandt D, Scott T, Bates DW. The use of health information technology in  seven nations. Int J Med Inform. 2008;77(12):848‐54. 104
  • References  Klein JG. Five pitfalls in decisions about diagnosis and prescribing. BMJ. 2005 Apr 2;330(7494):781‐3.  Leviss J (editor). H.I.T. or Miss: lessons learned from health information technology implementations.  Chicago (IL):AHIMA Press;2010.  Lorenzi NM, Riley RT. Managing technological change: organizational aspects of health informatics.  New York City (NY): Springer;2004.  Mamede S, van Gog T, van den Berge K, Rikers RM, van Saase JL, van Guldener C, Schmidt HG. Effect  of availability bias and reflective reasoning on diagnostic accuracy among internal medicine  residents. JAMA. 2010 Sep 15:304(11):1198‐203.  Miller RA, Masarie FE. The demise of the "Greek Oracle" model for medical diagnostic systems.  Methods Inf Med. 1990 Jan;29(1):1‐2.   Pongpirul K, Sriratana S. Computerized information system in hospitals in Thailand: a national survey.  J Health Sci. 2005 Sep‐Oct;14(5):830‐9. Thai.  Rogers EM. Diffusion of innovations. 5th ed. New York City (NY): Free Press;2003. 551 p.  Schoen C, Osborn R, Huynh PT, Doty M, Puegh J, Zapert K. On the front lines of care: primary care  doctors’ office systems, experiences, and views in seven countries. Health Aff (Millwood).  2006;25(6):w555‐71.  Theera‐Ampornpunt N. [Myths and Truths on Health Information Standards]. In: Health Data  Standards Expo: From Reimbursement to Clinical Excellence; 2011 Aug 8‐9; Bangkok, Thailand.  Bangkok (Thailand): Mahidol University, Faculty of Medicine Ramathibodi Hospital; 2011 Aug.  Thai.  Theera‐Ampornpunt N. Thai hospitals' adoption of information technology: a theory  development and nationwide survey [dissertation]. Minneapolis (MN): University of Minnesota;  2011 Dec. 376 p. 105