MétaCan
Menu
Retour à la cohorte
Enregistrement W3185363072 · doi:10.2196/30040

Electricity, Computing Hardware, and Internet Infrastructures in Health Facilities in Sierra Leone: Field Mapping Study

2021· article· en· W3185363072 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR Medical Informatics · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueICT in Developing Communities
Établissements canadiensnon disponible
Organismes subventionnairesUniversità ta' MaltaUNICEFUnited States Agency for International Development
Mots-clésSierra leoneHealth facilityBusinessHealth careElectricityComputer scienceEnvironmental healthMedicineEngineeringEconomic growthSocioeconomicsEconomicsHealth services

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Years of health information system investment in many countries have facilitated service delivery, surveillance, reporting, and monitoring. Electricity, computing hardware, and internet networks are vital for health facility-based information systems. Availability of these infrastructures at health facilities is crucial for achieving national digital health visions. OBJECTIVE: The aim of this study was to gain insight into the state of computing hardware, electricity, and connectivity infrastructure at health facilities in Sierra Leone using a representative sample. METHODS: Stratified sampling of 72 (out of 1284) health facilities distributed in all districts of Sierra Leone was performed, factoring in the rural-urban divide, digital health activity, health facility type, and health facility ownership. Enumerators visited each health facility over a 2-week period. RESULTS: Among the 72 surveyed health facilities, 59 (82%) do not have institutionally provided internet. Among the 15 Maternal and Child Health Posts, as a type of primary health care unit (PHU), 9 (60%) use solar energy as their only electricity source and the other 6 (40%) have no electricity source. Similarly, among the 13 hospitals, 5 (38%) use a generator as a primary electricity source. All hospitals have at least one functional computer, although only 7 of the 13 hospitals have four or more functional computers. Similarly, only 2 of the 59 (3%) PHUs have one computer each, and 37 (63%) of the PHUs have one tablet device each. We consider this health care computing infrastructure mapping to be representative with a 95% confidence level within an 11% margin of error. Two-thirds of the PHUs have only alternate solar electricity, only 10 of the 72 surveyed health facilities have functional official internet, and most use suboptimal computing hardware. Overall, 43% of the surveyed health facilities believe that inadequate electricity is the biggest threat to digitization. Similarly, 16 (22%) of the 72 respondents stated that device theft is a primary hindrance to digitization. CONCLUSIONS: Electricity provision for off-electricity-grid health facilities using alternative and renewable energy sources is emerging. The current trend where GSM (Global System for Mobile Communication) service providers provide the internet to all health facilities may change to other promising alternatives. This study provides evidence of the critical infrastructure gaps in health facilities in Sierra Leone.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,569
Score d'incertitude au seuil0,637

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
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 Opus0,024
Tête enseignante GPT0,300
Écart entre enseignants0,276 · 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