MétaCan
Menu
Retour à la cohorte
Enregistrement W2603635989 · doi:10.2196/mhealth.7185

mHealth for Clinical Decision-Making in Sub-Saharan Africa: A Scoping Review

2017· review· en· W2603635989 sur OpenAlexvenueno aff
Ibukun-Oluwa Omolade Adepoju, Bregje Joanna Antonia Albersen, Vincent De Brouwere, Jos van Roosmalen, Marjolein Zweekhorst

Notice bibliographique

RevueJMIR mhealth and uhealth · 2017
Typereview
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésmHealthPsychological interventionHealth careClinical decision support systemWorkflowGrey literatureTelemedicineMedicineShort Message ServiceDecision support systemMEDLINENursingKnowledge managementMedical educationComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In a bid to deliver quality health services in resource-poor settings, mobile health (mHealth) is increasingly being adopted. The role of mHealth in facilitating evidence-based clinical decision-making through data collection, decision algorithms, and evidence-based guidelines, for example, is established in resource-rich settings. However, the extent to which mobile clinical decision support systems (mCDSS) have been adopted specifically in resource-poor settings such as Africa and the lessons learned about their use in such settings are yet to be established. OBJECTIVE: The aim of this study was to synthesize evidence on the use of mHealth for point-of-care decision support and improved quality of care by health care workers in Africa. METHODS: A scoping review of 4 peer-reviewed and 1 grey literature databases was conducted. No date limits were applied, but only articles in English language were selected. Using pre-established criteria, 2 reviewers screened articles and extracted data. Articles were analyzed using Microsoft Excel and MAXQDA. RESULTS: We retained 22 articles representing 11 different studies in 7 sub-Saharan African countries. Interventions were mainly in the domain of maternal health and ranged from simple text messaging (short message service, SMS) to complex multicomponent interventions. Although health workers are generally supportive of mCDSS and perceive them as useful, concerns about increased workload and altered workflow hinder sustainability. Facilitators and barriers to use of mCDSS include technical and infrastructural support, ownership, health system challenges, and training. CONCLUSIONS: The use of mCDSS in sub-Saharan Africa is an indication of progress in mHealth, although their effect on quality of service delivery is yet to be fully explored. Lessons learned are useful for informing future research, policy, and practice for technologically supported health care delivery, especially in resource-poor 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.

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)0,021
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,520
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0210,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0100,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0020,006
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 Opus0,473
Tête enseignante GPT0,653
Écart entre enseignants0,180 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations160
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207