MétaCan
Menu
Retour à la cohorte
Enregistrement W2085155144 · doi:10.1258/jtt.2011.100920

Telemedicine in the Solomon Islands: 2006 to 2009

2011· article· en· W2085155144 sur OpenAlexafffund
Alexandra Martiniuk, Joel Negin, Fred Hersch, Tenneth Dalipanda, Rooney Jagilli, Patrick Houasia, Lilijana Gorringe, Annie Christie

Notice bibliographique

RevueJournal of Telemedicine and Telecare · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésTelemedicineReferralMedicineMedical emergencyFamily medicinePediatricsHealth care

Résumé

récupéré en direct d'OpenAlex

Telemedicine has been used in the Solomon Islands since 2000. We used quantitative and qualitative methods to examine telemedicine use in the Solomon Islands from January 2006 to June 2009. During the study period 66 telemedicine cases were submitted to the store and forward telemedicine system being used there. These included orthopaedic, oncology, cardiothoracic, infectious, congenital, gastroenterology and dermatology cases. Most cases (52%) were submitted by doctors at the National Referral Hospital (NRH) in Honiara. The majority of responses came from the NRH (27%). A final, firm recommendation regarding patient diagnosis and/or care was given for 46% of the cases. Interviews were conducted with 23 stakeholders in the Solomon Islands and in Australia to better understand the current and future use of telemedicine. The interviews identified the fragility of the Solomon Islands infrastructure, including the lack of training, as the largest barrier to the future use of telemedicine. The best use of telemedicine appears to be case sharing within the Solomon Islands, with connections to clinicians in other countries as a secondary benefit when particular expertise is required.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,167
Score d'incertitude au seuil0,332

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,038
Tête enseignante GPT0,330
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Telemedicine and TelecareMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207