MétaCan
Menu
Retour à la cohorte
Enregistrement W4285329203 · doi:10.2196/35254

Evaluation of WhatsApp as a Platform for Teledermatology in Botswana: Retrospective Review and Survey

2022· article· en· W4285329203 sur OpenAlexvenueno aff
Erika Koh, Abena Maranga, Tshepo Yane, Kagiso Ndlovu, Bwanali Jereni, Maitseo Kuno Nwako-Mohamadi, Carrie Kovarik, Amy Forrestel, Victoria Williams

Notice bibliographique

RevueJMIR Dermatology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCutaneous Melanoma Detection and Management
Établissements canadiensnon disponible
Organismes subventionnairesAmerican Academy of Dermatology
Mots-clésTeledermatologySpecialtyMedicineTelemedicineFamily medicineDemographicsMultidisciplinary approachHealth careStore and forwardMedical diagnosisTeleradiologyMedical emergencyTelecommunications

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In emerging market countries in sub-Saharan Africa, access to specialty services such as dermatology is limited. Teledermatology is an innovative solution to address this issue; however, many initiatives have been tried without sustained success. Recently, WhatsApp has been used as a store-and-forward telemedicine communication platform for consultation and education in Botswana. OBJECTIVE: This study aims to describe the utilization of WhatsApp for teledermatology and the satisfaction levels of participating providers. METHODS: A 2-part pilot study was conducted. First, a retrospective review was performed of WhatsApp communications received by participating dermatologists in Gaborone, Botswana, from January 2016 to December 2019. Sender information, patient demographics and history, response time, diagnoses made, and follow-up recommendations were collected. Second, a 12-question cross-sectional survey was distributed to health care providers who utilized WhatsApp for teledermatology during this period. Descriptive statistics were then performed. RESULTS: There were 811 communication threads over the study period. The majority (503/811, 62%) of communications were consultations from providers inquiring about a specific patient, followed by multidisciplinary care coordination communications (90/811, 11%). Our in-depth analysis focused on the former. In 323 (64%) provider consultations, dermatologists responded within 1 hour. A diagnosis was made in 274 (55%) consultations. Dermatologists gave treatment recommendations remotely in 281 (56%) consultations and recommended an in-person dermatology visit in 163 (32%). Of the 150 health care providers surveyed, 23 (15%) responded. All respondents (100%) felt that there was a need for teledermatology and improved teledermatology education in Botswana. Moreover, 17 (74%) respondents strongly felt that the guidance received via WhatsApp was high quality, and 22 (96%) were satisfied with WhatsApp as a platform for teledermatology. CONCLUSIONS: This retrospective review and survey demonstrated that WhatsApp is a quick, well-received, and sustainable method of communication between dermatologists and providers across Botswana. The app may offer a solution to the challenges providers face in accessing specialty referral systems, point-of-care education, and medical decision-making support for complex dermatologic cases in Botswana. The information gained from this pilot study can serve as the basis for future telemedicine studies to improve the implementation of teledermatology in Botswana and other resource-limited countries.

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)0,011
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 enseignants0,025
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,009
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,042
Tête enseignante GPT0,346
Écart entre enseignants0,303 · 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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR DermatologyMême sujetCutaneous Melanoma Detection and ManagementTravaux en français237 207