Implementation of a National Electronic Health Information System in Gabon: A Survey of Healthcare Providers’ Perceptions
Notice bibliographique
Résumé
Abstract Background: Health information System(HIS) is a set of computerized toolsfor the collection, storage, management and transmission of health data.Their role 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 HIShas been launched.It will connect healthcare institutions and providers at all levels in the whole country.Objective: This study aims to explore and identify the factors influencing healthcare providers’ perceptions of the national electronic HIS. Methods: We adapted a questionnairebased on the Information System Success Model (ISSM).Twenty six hundreds(2600) healthcare providers,recruited across the country, took part in the research. We checked the reliability and validity of the application and performed a logistic regression to identify the factors influencing healthcare providers’ perceptions towards the system.Results: A total of 2327 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’ perceptionshow that the HIS leads to positive impacts. Discussion: The results show that healthcare providers’ perceptions regarding the positive impact are influenced by their use of a previous 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 electronic HIS in Gabon, and eventually in other low resources environment.
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 | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».