Standardizing Primary Health Care Referral Data Sets in Nigeria: Practitioners' Survey, Form Reviews, and Profiling of Fast Healthcare Interoperability Resources (FHIR)
Notice bibliographique
Résumé
BACKGROUND: Referral linkages are crucial for efficient functioning of primary health care (PHC) systems. Fast Healthcare Interoperability Resource (FHIR) is an open global standard that facilitates structuring of health information for coordinated exchange among stakeholders. OBJECTIVE: The objective of this study is to design FHIR profiles and present methodology and the profiled FHIR resource for Maternal and Child Health referral use cases in Ebonyi state, Nigeria-a typical low- and middle-income country (LMIC) setting. METHODS: Practicing doctors, midwives, and nurses were purposefully sampled and surveyed. Different referral forms were reviewed. The union of data sets from surveys and forms was aggregated and mapped to base patient FHIR resource elements, and extensions were created for data sets not in the core FHIR specification. This study also introduced FHIR and its relation to the World Health Organization's (WHO's) International Classification of Diseases. RESULTS: We found many different data elements from the referral forms and survey responses even in urban settings. The resulting FHIR standard profile is published on GitHub for adaptation or adoption as necessary to aid alignment with WHO recommendations. Understanding data sets used in health care and clinical practice for information sharing is crucial in properly standardizing information sharing, particularly during the management of COVID-19 and other infectious diseases. Development organizations and governments can use this methodology and profile to fast-track FHIR standards adoption for paper and electronic information sharing at PHC systems in LMICs. CONCLUSIONS: We presented our methodology for profiling the referral resource crucial for the standardized exchange of new and expectant moms' information. Using data from frontline providers and mapping to the FHIR profile helped contextualize the standardized profile.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».