MétaCan
Menu
← Retour à la cohorte
Enregistrement W4294770797 · doi:10.1136/bmjopen-2021-056987

Systematic review of electronic health records to manage chronic conditions among displaced populations

2022· review· en· W4294770797 sur OpenAlexaboutno aff
Anna Buford, Henry Ashworth, Farrah Lynn Ezzeddine, Sara Dada, Eliza Nguyen, S Ebrahim, Amy Zhang, Jordan Lebovic, Lena Hamvas, Larry J. Prokop, Sally Midani, Michael Chilazi, Fares Alahdab

Notice bibliographique

RevueBMJ Open · 2022
Typereview
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineGrey literatureCINAHLPsycINFOMEDLINESystematic reviewThematic analysisRefugeeFamily medicineCochrane LibraryHealth careMeta-analysisQualitative researchNursingPsychological interventionPathology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The objective of this study was to assess the impact of electronic health records (EHRs) on health outcomes and care of displaced people with chronic health conditions and determine barriers and facilitators to EHR implementation in displaced populations. DESIGN: A systematic review protocol was developed according to the Preferred Reporting Items for Systematic reviews and Meta-Analyses extension for Systematic Reviews. DATA SOURCES: MEDLINE, Embase, PsycINFO, CINAHL, Health Technology Assessment, Epub Ahead of Print, In-Process and Other Non-Indexed Citations, Cochrane Central Register of Controlled Trials and Cochrane Database of Systematic Reviews was searched from inception to 12 April 2021. ELIGIBILITY CRITERIA FOR SELECTED STUDIES: Inclusion criteria were original research articles, case reports and descriptions of EHR implementation in populations of displaced people, refugees or asylum seekers with related chronic diseases. Grey literature, reviews and research articles unrelated to chronic diseases or the care of refugees or asylum populations were excluded. Studies were assessed for risk of bias using a modified Cochrane, Newcastle-Ottawa and Joanna Briggs Institute tools. DATA EXTRACTION AND SYNTHESIS: Two reviewers independently extracted data from each study using Covidence. Due to heterogeneity across study design and specific outcomes, a meta-analysis was not possible. An inductive thematic analysis was conducted using NVivo V.12 (QSR International, Melbourne, Australia). An inductive analysis was used in order to uncover patterns and themes in the experiences, general outcomes and perceptions of EHR implementation. RESULTS: A total of 32 studies across nine countries were included: 14 in refugee camps/settlements and 18 in asylum countries. Our analysis suggested that EHRs improve health outcomes for chronic diseases by increasing provider adherence to guidelines or treatment algorithms, monitoring of disease indicators, patient counselling and patient adherence. In asylum countries, EHRs resource allocation to direct clinical care and public health services, as well as screening efforts. EHR implementation was facilitated by their adaptability and ability to integrate into management systems. However, barriers to EHR development, deployment and data analysis were identified in refugee settings. CONCLUSION: Our results suggest that well-designed and integrated EHRs can be a powerful tool to improve healthcare systems and chronic disease outcomes in refugee settings. However, attention should be paid to the common barriers and facilitating actions that we have identified such as utilising a user-centred design. By implementing adaptable EHR solutions, health systems can be strengthened, providers better supported and the health of refugees improved.

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)0,048
score de la tête « metaresearch » (Gemma)0,160
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,251

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0480,160
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0100,010
Bibliométrie0,0210,015
Études des sciences et des technologies0,0010,001
Communication savante0,0040,005
Science ouverte0,0030,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,162
Tête enseignante GPT0,532
Écart entre enseignants0,371 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Open→Même sujetMigration, Health and Trauma→Travaux en français237 207→