MétaCan
Menu
Retour à la cohorte
Enregistrement W2136422156 · doi:10.1108/s1474-8231(2012)0000012013

The Importance of Using Open Source Technologies and Common Standards for Interoperability within eHealth: Perspectives from the Millennium Villages Project

2012· article· en· W2136422156 sur OpenAlexfundno aff
Andrew S. Kanter, Rob Borland, Mourice Barasa, Casey Iiams-Hauser, Olivia Vélez, Nadi Kaonga, Matt Berg

Notice bibliographique

RevueAdvances in health care management · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesEarth Institute, Columbia UniversityU.S. National Library of MedicineInternational Development Research CentreRockefeller Foundation
Mots-cléseHealthInteroperabilityContext (archaeology)Millennium Development GoalsOpen sourceKnowledge managementHealth informaticsInformaticsComputer scienceWorld Wide WebData scienceEngineeringGeographyDeveloping countryPolitical scienceHealth careEconomic growthSoftware

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The purpose of this chapter is to illustrate the importance of using open source technologies and common standards for interoperability when implementing eHealth systems, and to illustrate this through case studies, where possible. DESIGN/METHODOLOGY/APPROACH: The sources used to inform this chapter draw from the implementation and evaluation of the eHealth Program in the context of the Millennium Villages Project (MVP). FINDINGS: As the eHealth Team was tasked to deploy an eHealth architecture, the Millennium Villages Global-Network (MVG-Net), across all 14 of the MVP sites in sub-Saharan Africa, the team not only recognized the need for standards and uniformity but also realized that context would be an important factor. Therefore, the team decided to utilize open source solutions. PRACTICAL IMPLICATIONS: The MVP implementation of MVG-Net provides a model for those looking to implement informatics solutions across disciplines and countries. Furthermore, there are valuable lessons learned that the eHealth community can benefit from. ORIGINALITY/VALUE: By sharing lessons learned and developing an accessible, open source eHealth platform, we believe that we can more efficiently and rapidly achieve the health-related and collaborative Millennium Development Goals.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,628
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,048
Tête enseignante GPT0,477
Écart entre enseignants0,429 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations22
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in health care managementMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207