Development and evaluation of a mobile application trauma registry for use in low- and middle-income countries
Notice bibliographique
Résumé
Introduction Trauma registries are a means for improving trauma care in low- and middle-income countries, though a number of challenges for the sustainability of these trauma registries exist. Mobile health applications represent a promising technology for low- and middle-income country trauma registries. The development, implementation and evaluation of a mobile application trauma registry for use at the Mbarara Regional Referral Hospital, Uganda is demonstrated. Methods A paper-based trauma registry was implemented at the Mbarara Regional Referral Hospital. Based on feedback from local stakeholders, this was developed into an open-source mobile application version of the trauma registry. The mobile application was evaluated by 17 healthcare workers using a modified Unified Theory of Acceptance and Use of Technology questionnaire and qualitative analysis. Results Unified Theory of Acceptance and Use of Technology scores showed the majority of participants responding positively to the major constructs of Performance Expectancy, Effort Expectancy, Social Influence and Facilitating Conditions, with mean Likert scores (out of 7) of 6.41 (±1.43), 6.25 (±1.41), 5.44 (±1.43) and 5.32 (±1.99), respectively. There was also a young average user age (29.1 years). Qualitative analysis identified response themes of ease of use, efficiency and potential for future research and clinical use; users also suggested expansion of the type of platforms the application was available on. Conclusion Though a number of challenges exist for sustaining trauma registries in low- and middle-income countries, substantial involvement of local stakeholders and responsiveness to feedback should be used to facilitate the use of these technologies in developing countries. This study demonstrates a potential methodology for developing and evaluating trauma registry technologies for use in low- and middle-income 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 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 | 0,024 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».