Benefits and challenges of EMR implementations in low resource settings: a state-of-the-art review
Notice bibliographique
Résumé
BACKGROUND: The intent of this review is to discover the types of inquiry and range of objectives and outcomes addressed in studies of the impacts of Electronic Medical Record (EMR) implementations in limited resource settings in sub-Saharan Africa. METHODS: A state-of-the-art review characterized relevant publications from bibliographic databases and grey literature repositories through systematic searching, concept-mapping, relevance and quality filter optimization, methods and outcomes categorization and key article analysis. RESULTS: From an initial population of 749 domain articles published before February 2015, 32 passed context and methods filters to merit full-text analysis. Relevant literature was classified by type (e.g., secondary, primary), design (e.g., case series, intervention), focus (e.g., processes, outcomes) and context (e.g., location, organization). A conceptual framework of EMR implementation determinants (systems, people, processes, products) was developed to represent current knowledge about the effects of EMRs in resource-constrained settings and to facilitate comparisons with studies in other contexts. DISCUSSION: This review provides an overall impression of the types and content of health informatics articles about EMR implementations in sub-Saharan Africa. Little is known about the unique effects of EMR efforts in slum settings. The available reports emphasize the complexity and impact of social considerations, outweighing product and system limitations. Summative guides and implementation toolkits were not found but could help EMR implementers. CONCLUSION: The future of EMR implementation in sub-Saharan Africa is promising. This review reveals various examples and gaps in understanding how EMR implementations unfold in resource-constrained settings; and opportunities for new inquiry about how to improve deployments in those contexts.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,114 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,009 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».