A review of teleradiology in Africa – Towards mobile teleradiology in Nigeria
Notice bibliographique
Résumé
eHealth is promoted as a means to strengthen health systems and facilitate universal health coverage. Sub-components (e.g. telehealth, telemedicine, mhealth) are seen as mitigators of healthcare provider shortages and poor rural and remote access. Teleradiology (including mobile teleradiology), widespread in developed nations, is uncommon in developing nations. Decision- and policy-makers require evidence to inform their decisions regarding implementation of mobile teleradiology in Nigeria and other sub-Saharan countries. To gather evidence, Scopus and PubMed were searched using defined search strings (September 2020). Duplicates were removed, and titles and abstracts reviewed using specified selection criteria. Full-text papers of selected resources were retrieved and reviewed against the criteria. Insight from included studies was charted for eight a priori categories of information: needs assessment, implementation, connectivity, evaluation, costing, image display, image capture and concordance. Fifty-seven articles were identified, duplicates removed and titles and abstracts of remaining articles reviewed against study criteria. Twenty-six papers remained. After review of full-texts, ten met the study criteria. These were summarised, and key insights for the eight categories were charted. Few papers have been published on teleradiology in sub-Saharan Africa. Teleradiology, including mobile teleradiology, is feasible in sub-Saharan Africa for routine X-ray support of patients and healthcare providers in rural and remote locations. Former technical issues (image quality, transmission speed, image compression) have been largely obviated through the high-speed, high-resolution digital imaging and network transmission capabilities of contemporary smartphones and mobile networks, where accessible. Comprehensive studies within the region are needed to guide the widespread introduction of mobile teleradiology.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,016 | 0,019 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».