MétaCan
Menu
← Retour à la cohorte
Enregistrement W3156293091 · doi:10.3233/shti210029

Development of a Conceptual Framework for e-Health Readiness Assessment in the Context of Developing Countries

2021· book-chapter· en· W3156293091 sur OpenAlexaff
Kabelo Leonard Mauco, Richard E. Scott, Maurice Mars

Notice bibliographique

RevueStudies in health technology and informatics · 2021
Typebook-chapter
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensUniversity of Calgary
Organismes subventionnairesFogarty International CenterNational Institutes of Health
Mots-clésConceptual frameworkHealth careProcess (computing)PreparednessContext (archaeology)Knowledge managementDeveloping countryProcess managementHealth informaticsBusinessPublic relationsComputer sciencePolitical scienceSociologyGeographyEconomic growth

Résumé

récupéré en direct d'OpenAlex

Background: e-Health readiness has been described as the preparedness of healthcare institutions, communities, or individuals for the anticipated change brought by programmes related to ICT use. Assessment of e-health readiness prior to the implementation of e-health innovations can therefore facilitate the process of change for individuals and organisations to adopt e-health programmes and avoid disappointment. The literature shows that although many e-health readiness assessment frameworks and tools exist, none meet all the requirements for e-health readiness assessment in developing countries. The aim of this study was to develop an e-health readiness assessment framework applicable to developing countries. Methods: A three-step process gleaned from the e-health literature (literature review / material collection; analysis / content analysis; consolidation / conceptual framework synthesis), together with iterative and reflective processes based on prior research undertaken by this group, guided framework conceptualisation and design. Results: An evidence-based framework was developed that: incorporates the need to assess readiness for each e-health component separately; identifies government’s central role in engaging all relevant stakeholders; and the need to assess the adequacy of a country’s infrastructure and infostructure prior to e-health planning and possible implementation. Also addressed by the framework is a need for an e-health readiness assessment to be undertaken using separate tools for technical and non-technical individuals. A country’s e-Readiness is highlighted as an important indicator for e-health readiness. Conclusions: The intent of the final framework is to inform and assist policy and decision makers, and facilitate future successful implementation of e-health initiatives in the developing world.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,046
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,245

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0460,030
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0120,010
Études des sciences et des technologies0,0060,017
Communication savante0,0140,015
Science ouverte0,0050,011
Intégrité de la recherche0,0050,007
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,124
Tête enseignante GPT0,486
Écart entre enseignants0,362 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in health technology and informatics→Même sujetMobile Health and mHealth Applications→Travaux en français237 207→