MétaCan
Menu
Retour à la cohorte
Enregistrement W4211265024 · doi:10.2196/33848

A Free, Open-Source, Offline Digital Health System for Refugee Care

2022· article· en· W4211265024 sur OpenAlexvenueno aff
Henry Ashworth, S Ebrahim, Hassaan Ebrahim, Zahra Bhaiwala, Michael Chilazi

Notice bibliographique

RevueJMIR Medical Informatics · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensnon disponible
Organismes subventionnairesHarvard Business SchoolRobert Wood Johnson Foundation
Mots-clésSoftware deploymentHealth careDigital healthWorkflowRefugeeMedicinePatient portalBusinessMedical emergencyNursingInternet privacyPublic relationsPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Rise of conflict, extreme weather events, and pandemics have led to larger displaced populations worldwide. Displaced populations have unique acute and chronic health needs that must be met by low-resource health systems. Electronic health records (EHRs) have been shown to improve health outcomes in displaced populations, but need to be adapted to meet the constraints of these health systems. OBJECTIVE: The aim of this viewpoint is to describe the development and deployment of an EHR designed to care for displaced populations in low-resource settings. METHODS: Using a human-centered design approach, we conducted in-depth interviews and focus groups with patients, health care providers, and administrators in Lebanon and Jordan to identify the essential EHR features. These features, including modular workflows, multilingual interfaces, and offline-first capabilities, led to the development of the Hikma Health EHR, which has been deployed in Lebanon and Nicaragua. RESULTS: We report the successes and challenges from 12 months of Hikma Health EHR deployment in a mobile clinic providing care to Syrian refugees in Bekaa Valley, Lebanon. Successes include the EHR's ability to (1) increase clinical efficacy by providing detailed patient records, (2) be adaptable to the threats of COVID-19, and (3) improve organizational planning. Lessons learned include technical fixes to methods of identifying patients through name or their medical record ID. CONCLUSIONS: As the number of displaced people continues to rise globally, it is imperative that solutions are created to help maximize the health care they receive. Free, open-sourced, and adaptable EHRs can enable organizations to better provide for displaced populations.

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)0,006
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,120

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0020,007
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0360,015

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 GPT0,364
Écart entre enseignants0,339 · 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.

Devis d'étudeSans objet
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

Citations16
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical InformaticsMême sujetMigration, Health and TraumaTravaux en français237 207