MétaCan
Menu
Retour à la cohorte
Enregistrement W3193277391 · doi:10.29392/001c.25973

Mixed-methods evaluation of acceptability of the District Health Information Software (DHIS2) for neglected tropical diseases program data in Cameroon

2021· article· en· W3193277391 sur OpenAlexaff
Henri Claude Moungui, Hugues C. Nana-Djeunga, Georges B. Nko’Ayissi, Aboubakary Sanou, Joseph Kamgno

Notice bibliographique

RevueJournal of Global Health Reports · 2021
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensUniversité de MontréalCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesErasmus Universiteit RotterdamSightsavers InternationalUnited States Agency for International Development
Mots-clésPublic healthMedicineEnvironmental healthData collectionFamily medicineNursingStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

Background The District Health Information Software (DHIS2), adopted as national health information system by the ministry of public health in Cameroon, did not integrate neglected tropical diseases (NTD) program data. Integrating NTD program data into the national DHIS2 might require more than technical skills. Our study aimed to explore the factors that affect acceptability and use of DHIS2 by NTD stakeholders for successful integration of NTD program data into the national DHIS2. Methods For purposes of this mixed-methods study, the data were collected through a self-administered questionnaire targeting NTD stakeholders at different levels of the health pyramid from all the ten Regions in Cameroon. The questionnaire was based on a modified Unified Theory of Acceptance and Use of Technology (UTAUT) model, supplemented by a qualitative analysis to assess the acceptability, and use of the DHIS2 as a platform for NTD program data in Cameroon. Results We found 81.9% (95% confidence interval, CI=0.784-0.859; standard error=0.019) of intention to use DHIS2 for NTDs program data and 18.4% (95% CI=0.130-0.289; standard error=0.041) of actual use among survey participants. Social influence (β=0.269, P=0.000), voluntariness of use (β=0.243, P=0.000), performance expectancy (β=0.186, P=0.010), and training adequacy (β=0.199, P=0.000) would positively influence intention to use DHIS2. Computer anxiety (β=-0.230, P=0.000) and technology experience (β=0.374, P=0.000) would have a significant negative and positive effect on actual use, respectively. The most critical challenges in using DHIS2 referred to facilitating conditions (conditions of the work environment), specifically electricity and internet connection, impeding actual use of DHIS2. Conclusions Our study revealed that NTD stakeholders in Cameroon are ready to accept DHIS2 for NTD program in Cameroon. However, to ensure its successful implementation. For example, we recommend that NTD program managers plan adequate support in providing proper training, non-vendor specific 2G-3G-4G internet modems with data bundle and smartphones/laptops to ease the use of DHIS2 by NTD stakeholders. We showed that acceptability of DHIS2 studied through UTAUT model should be complemented with a qualitative analysis for richer insights.

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)0,075
score de la tête « metaresearch » (Gemma)0,062
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,075
Score d'incertitude au seuil0,394

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0750,062
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,173
Tête enseignante GPT0,542
Écart entre enseignants0,369 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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 revueJournal of Global Health ReportsMême sujetTechnology Adoption and User BehaviourTravaux en français237 207