MétaCan
Menu
Retour à la cohorte
Enregistrement W3036895232 · doi:10.1186/s12913-020-05448-3

Validation of an e-health readiness assessment framework for developing countries

2020· article· en· W3036895232 sur OpenAlexaff
Kabelo Leonard Mauco, Richard E. Scott, Maurice Mars

Notice bibliographique

RevueBMC Health Services Research · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensAlberta HealthUniversity of Calgary
Organismes subventionnairesFogarty International CenterNational Institutes of Health
Mots-clésHealth informaticsDeveloping countryHealth administrationHealth carePreparednessMedicineHealth policyNursing researchHealth services researchPublic healthThematic analysisImplementationMedical educationNursingProcess managementQualitative researchComputer scienceBusinessEconomic growthPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

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 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)0,010
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,794
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,219
Tête enseignante GPT0,599
Écart entre enseignants0,380 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations60
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207