MétaCan
Menu
Retour à la cohorte
Enregistrement W3210002104 · doi:10.2196/29755

Multiparameter Continuous Physiological Monitoring Technologies in Neonates Among Health Care Providers and Caregivers at a Private Tertiary Hospital in Nairobi, Kenya: Feasibility, Usability, and Acceptability Study

2021· article· en· W3210002104 sur OpenAlexaff
Amy Sarah Ginsburg, Mai‐Lei Woo Kinshella, Violet Naanyu, Jessica Rigg, Dorothy Chomba, Jesse Coleman, Bella Hwang, Roseline Ochieng, J. Mark Ansermino, William Macharia

Notice bibliographique

RevueJournal of Medical Internet Research · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensBC Children's HospitalUniversity of British Columbia
Organismes subventionnairesBill and Melinda Gates Foundation
Mots-clésUsabilityHealth careRespondentNursingHealth facilityMedicineThematic analysisStaffingHealth informaticsNonprobability samplingMedical emergencyQualitative researchMedical educationPublic healthPopulationEnvironmental healthComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Continuous physiological monitoring technologies are important for strengthening hospital care for neonates, particularly in resource-constrained settings, and understanding user perspectives is critical for informing medical technology design, development, and optimization. OBJECTIVE: This study aims to assess the feasibility, usability, and acceptability of 2 noninvasive, multiparameter, continuous physiological monitoring technologies for use in neonates in an African health care setting. METHODS: We assessed 2 investigational technologies from EarlySense and Sibel, compared with the reference Masimo Rad-97 technology through in-depth interviews and direct observations. A purposive sample of health care administrators, health care providers, and caregivers at Aga Khan University Hospital, a tertiary, private hospital in Nairobi, Kenya, were included. Data were analyzed using a thematic approach in NVivo 12 software. RESULTS: Between July and August 2020, we interviewed 12 health care providers, 5 health care administrators, and 10 caregivers and observed the monitoring of 12 neonates. Staffing and maintenance of training in neonatal units are important feasibility considerations, and simple training requirements support the feasibility of the investigational technologies. Key usability characteristics included ease of use, wireless features, and reduced number of attachments connecting the neonate to the monitoring technology, which health care providers considered to increase the efficiency of care. The main factors supporting acceptability included caregiver-highlighted perceptions of neonate comfort and health care respondent technology familiarity. Concerns about the side effects of wireless connections, electromagnetic fields, and mistrust of unfamiliar technologies have emerged as possible acceptability barriers to investigational technologies. CONCLUSIONS: Overall, respondents considered the investigational technologies feasible, usable, and acceptable for the care of neonates at this health care facility. Our findings highlight the potential of different multiparameter continuous physiological monitoring technologies for use in different neonatal care settings. Simple and user-friendly technologies may help to bridge gaps in current care where there are many neonates; however, challenges in maintaining training and ensuring feasibility within resource-constrained health care settings warrant further research. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): RR2-10.1136/bmjopen-2019-035184.

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)0,009
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,089
Tête enseignante GPT0,485
Écart entre enseignants0,396 · 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'étudeObservationnel
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

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical Internet ResearchMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207