User Feedback on the MSF Tele-Expertise Service After a 4-Year Pilot Trial – A Comprehensive Analysis
Notice bibliographique
Résumé
We surveyed all users of the Médecins Sans Frontières (MSF) tele-expertise service, approximately four years after it began operation. The survey contained 50 questions and was sent to 294 referrers and 254 specialists. There were 163 responses (response rate 30%). There were no significant differences between the responses from French and English users, so the responses were combined for subsequent analysis. Most of the responders were doctors (133 of 157 who answered that question), and most had completed field missions for MSF, i.e., both specialists and referrers. The majority stated that the system was user friendly and that they found it self-explanatory (i.e., they did not need to be shown how to use it). Almost all the referrers found that the telemedicine advice that they received was helpful, changed diagnosis and management, and/or reassured the patient. Similar feedback came from the specialists, who also felt that there was educational value for the field doctor. Although there was general satisfaction with the service, the survey identified various problems. The main concerns of the referrers were the lack of promotion of the system at headquarters' level, and the main concerns of the specialists were the lack of feedback about patient follow-up. Nonetheless, both referrers and specialists recognized the benefits of telemedicine in improving patient management, providing education, and reducing isolation in the field.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».