MétaCan
Menu
← Retour à la cohorte
Enregistrement W4253652470 · doi:10.21203/rs.2.14725/v4

Implementation of a National Electronic Health Information System in Gabon: A Survey of Healthcare Providers’ Perceptions.

2020· preprint· en· W4253652470 sur OpenAlexaff
Cheick Oumar Bagayoko, Jack Tcheente, Diakaridia Traoré, Gaetan Moukoumbi, Raymond Ondzigue, Aimé Patrice Koumamba, Myriam Corille Ondjani, Olive Lea Ndjeli, Marie‐Pierre Gagnon

Notice bibliographique

RevueResearch Square · 2020
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensUniversité Laval
Organismes subventionnairesWorld Bank Group
Mots-clésPerceptionHealth careBusinessHealthcare systemNursingPsychologyPolitical scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract BackgroundThe Health Information System (HIS) is a set of computerized tools for the collection, storage, management, and transmission of health data. The role of such tools in supporting the modernization of health systems, improving access to quality healthcare, and reducing costs in developing countries is unquestionable, but their implementation faces several challenges. In Gabon, a unique national electronic HIS has been launched. It will connect healthcare institutions and providers at all levels in the whole country.ObjectiveThis study aims to explore and identify the factors influencing healthcare providers’ perceptions of the national electronic HIS in Gabon. MethodsA 44-item questionnaire based on the Information System Success Model (ISSM) was administered between February and April 2018 among 2,600 healthcare providers across the country. The questions assessed the different aspects of the HIS that could influence its perceived impact on a 5-level Likert scale (from fully agree to totally disagree). The reliability and construct validity of the questionnaire were checked using Cronbach alpha and congeneric reliability coefficients. A logistic regression was used to identify the factors influencing healthcare providers’ perceptions of the system.ResultsA total of 2,327 questionnaires were completed (i.e. 89.5% response rate). The logistic regression identified five elements that significantly influenced perceived system impact: System Quality (Odds Ratio–OR=1.70), Information Quality (OR=1.69), Actual Use (OR=1.41), Support Quality (OR=1.37), and Useful Functions (OR=1.14). The model explained 30% of the variance in providers’ perception that the national HIS leads to positive impacts. DiscussionThe results show that healthcare providers’ perceptions regarding the positive impact of the national HIS in Gabon are influenced by their previous use of an HIS, the scope of their usage, and the quality of the system, information, and support provided to users. These results could inform the development of strategies to ensure adequate change of management and user experience for the implementation of the national HIS in Gabon, and eventually in other low resource environments.

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)0,004
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,030
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,187
Tête enseignante GPT0,568
Écart entre enseignants0,381 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetMobile Health and mHealth Applications→Travaux en français237 207→