The Use of Digital Technology for COVID-19 Detection and Response Management in Indonesia: Mixed Methods Study
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic has triggered a greater use of digital technologies as part of the health care response in many countries, including Indonesia. It is the world's fourth-most populous nation and Southeast Asia's most populous country, with considerable public health pressures. OBJECTIVE: The aim of our study is to identify and review the use of digital health technologies in COVID-19 detection and response management in Indonesia. METHODS: We conducted a literature review of publicly accessible information in technical and scientific journals, as well as news articles from September 2020 to August 2022 to identify the use case examples of digital technologies in COVID-19 detection and response management in Indonesia. RESULTS: The results are presented in 3 groups, namely (1) big data, artificial intelligence, and machine learning (technologies for the collection or processing of data); (2) health care system technologies (acting at the public health level); and (3) COVID-19 screening, population treatment, and prevention population treatment (acting at the individual patient level). Some of these technologies are the result of government-academia-private sector collaborations during the pandemic, which represent a novel, multisectoral practice in Indonesia within the public health care ecosystem. A small number of the identified technologies pre-existed the pandemic but were upgraded and adapted for current needs. CONCLUSIONS: Digital technologies were developed in Indonesia during the pandemic, with a direct impact on supporting COVID-19 management, detection, response, and treatment. They addressed different areas of the technological spectrum and with different levels of adoption, ranging from local to regional to national. The indirect impact of this wave of technological creation and use is a strong foundation for fostering future multisectoral collaboration within the national health care system of Indonesia.
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 | 0,020 | 0,060 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».