Electronic Medical Record Use and Associated Factors in Diredawa, Eastern Ethiopia. A mixed Method Study
Notice bibliographique
Résumé
Abstract Background: Despite rapid growth in the information technology (IT), adoption rate of electronic medical records (EMR) in health care setting is lagging behind in Ethiopia. EMRs have long been considered as essential elements in improving healthcare quality and safety, enhance service performance, reduce adverse events for patients, and support clinical decision support system. However, utilization of EMR among healthcare providers still remains low and there has been little progress toward harnessing the benefits of EMR particularly in developing countries. Objective: This study, therefore, is aimed at exploring EMR use and its determinants among health care providers. Methods: Quantitative cross-sectional study was conducted on 402 health professionals working at public health facilities supplemented with an exploratory qualitative study in Dire Dawa, Ethiopia. Descriptive statistics and logistic regression analysis were used to explore determinant factors of EMR use while qualitative data were thematically analyzed. Results: Overall, about a quarter (26.6%) of health professionals were using electronic medical record. Work experience of 6 years or less (AOR=2.23; 95% CI: [1.15-4.31]), discussion on EMR (AOR=14.47; 95% CI: [5.58-37.57]), presence of EMR manual (AOR=3.10 95%CI: [1.28-7.38]), and positive attitude towards EMR system (AOR=11.15; 95%CI: [4.90-25.36]) and service quality (AOR=8.02; 95% CI: [4.09-15.72]) were independent determinants of EMR use.Conclusion: The analysis carried out indicates that EMR use by health professionals in the study area is very low. Therefore, there is a need to leverage through continuous technical support and commitment to enhance EMR use which has the potential to improve health service performance.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».