Health worker perspectives of Smart Triage, a digital triaging platform for quality improvement at a referral hospital in Uganda: a qualitative analysis
Notice bibliographique
Résumé
BACKGROUND: Effective triage at hospitals can improve outcomes for children globally by helping identify and prioritize care for those most at-risk of death. Paper-based pediatric triage guidelines have been developed to support frontline health workers in low-resource settings, but these guidelines can be challenging to implement. Smart Triage is a digital triaging platform for quality improvement (QI) that aims to address this challenge. Smart Triage represents a major cultural and behavioural shift in terms of managing patients at health facilities in low-and middle-income countries. The purpose of this study is to understand user perspectives on the usability, feasibility, and acceptability of Smart Triage to inform ongoing and future implementation. METHODS: This was a descriptive qualitative study comprising of face-to-face interviews with health workers (n = 15) at a regional referral hospital in Eastern Uganda, conducted as a sub-study of a larger clinical trial to evaluate Smart Triage (NCT04304235). Thematic analysis was used to assess the usability, feasibility, and acceptability of the platform, focusing on its use in stratifying and prioritizing patients according to their risk and informing QI initiatives implemented by health workers. RESULTS: With appropriate training and experience, health workers found most features of Smart Triage usable and feasible to implement, and reported the platform was acceptable due to its positive impact on reducing the time to treatment for emergency pediatric cases and its use in informing QI initiatives within the pediatric ward. Several factors that reduced the feasibility and acceptability were identified, including high staff turnover, a lack of medical supplies at the hospital, and challenges with staff attitudes. CONCLUSION: Health workers can use the Smart Triage digital triaging platform to identify and prioritize care for severely ill children and improve quality of care at health facilities in low-resource settings. Future innovation is needed to address identified feasibility and acceptability challenges; however, this platform could potentially address some of the challenges to implementing current paper-based systems.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».