An Audit and Survey of Informal Use of Instant Messaging for Dermatology in District Hospitals in KwaZulu-Natal, South Africa
Notice bibliographique
Résumé
BACKGROUND: In KwaZulu-Natal (KZ-N), South Africa, recent reports have indicated that spontaneous use of smartphones has occurred, providing access to specialist dermatological care to remote areas. This informal use has raised a number of practical, legal, regulatory, and ethical concerns. AIM: To assess the nature and content of WhatsApp messages sent to dermatologists, to determine the referring doctors' reasons for, and satisfaction with, their interactions, as well as their knowledge of legal, regulatory, and ethical requirements. METHODS: A retrospective study of WhatsApp messages between referring doctors and dermatologists, as well as a cross-sectional survey of doctors working at district hospitals in KZ-N who used IM for teledermatology. RESULTS: Use of IM (primarily WhatsApp) for teledermatology was almost universal, but often not considered 'telemedicine'. Few referring doctors were aware of South Africa's ethical guidelines and their requirements, and few of those who did followed them, e.g., the stipulated and onerous consent process and existing privacy and security legislations. No secure methods for record keeping or data storage of WhatsApp content were used. A desire to formalize the service existed. CONCLUSIONS: Based upon these findings, it was proposed that a number of described steps be followed in order to formalize the use of IM for teledermatology.
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 | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».