Barriers and facilitators to Electronic Medical Record (EMR) use in an urban slum
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Rapid urbanization has led to the growth of urban slums and increased healthcare burdens for vulnerable populations. Electronic Medical Records (EMRs) have the potential to improve continuity of care for slum residents, but their implementation is complicated by technical and non-technical limitations. This study sought practical insights about facilitators and barriers to EMR implementation in urban slum environments. METHOD: Descriptive qualitative method was used to explore staff perceptions about a recent open-source EMR deployment in two primary care clinics in Kibera, Nairobi. Participants were interviewed using open-ended, semi-structured questions. Content analysis was used when exploring transcribed data. RESULTS: Three major themes - systems, software, and social considerations - emerged from content analysis, with sustainability concerns prevailing. Although participants reported many systems (e.g., power, network, Internet, hardware, interoperability) and software (e.g., data integrity, confidentiality, function) challenges, social factors (e.g., identity management, training, use incentives) appeared the most important impediments to sustainability. DISCUSSION: These findings are consistent with what others have reported, especially the importance of practical barriers to EMR deployments in resource-constrained settings. Other findings contribute unique insights about social determinants of EMR impact in slum settings, including the challenge of multiple-identity management and development of meaningful incentives to staff compliance. CONCLUSIONS: This study exposes front-line experiences with opportunities and shortcomings of EMR implementations in urban slum primary care clinics. Although the promise is great, there are a number of unique system, software and social challenges that EMR advocates should address before expecting sustainable EMR use in resource-constrained settings.
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.
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 | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle