Validation of an e-health readiness assessment framework for developing countries
Notice bibliographique
Résumé
BACKGROUND: Studies document e-health as having potential to improve quality of healthcare services, resulting in both developed and developing countries demonstrating continued interest in e-health uptake and use. e-Health implementations are not always successful as high failure rates have been reported in both developed and developing countries. These failures are often a result of lack of e-health readiness. e-Health readiness has been defined as the preparedness of healthcare institutions or communities for the anticipated change brought by programs related to information and communication technologies. As such it is critical to conduct an e-health readiness assessment prior to implementation of e-health innovations so as to reduce chances of project failure. Noting the absence of an adequate e-health readiness assessment framework (eHRAF) suitable for use in developing countries, the authors conceptualised, designed, and created a developing country specific eHRAF to aid in e-health policy planning. The aim of this study was to validate the developed eHRAF and to determine if it required further refinement before empirical testing. METHODS: Published options for a framework validation process were adopted, and fifteen globally located e-health experts engaged. Botswana experts were engaged using saturation sampling, while international experts were purposively selected. Responses were collated in an Excel spreadsheet, and NVivo 11 software used to aid thematic analysis of the open ended questions. RESULTS: Analysis of responses showed overall support for the content and format of the proposed eHRAF. Equivocal responses to some open ended questions were recorded, most of which suggested modifications to terms within the framework. One expert from the developed world had alternate views. CONCLUSIONS: The proposed eHRAF provides guidance for e-health policy development and planning by identifying, in an evidence based manner, the major areas to be considered when preparing for an e-health readiness assessment in the context of developing countries.
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 | 0,117 | 0,092 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 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 ».