Electronic Medical Record System Use and Determinants in Ethiopia: Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background The strategic plan of the Ethiopian Ministry of Health recommends an electronic medical record (EMR) system to enhance health care delivery and streamline data systems. However, only a few exhaustive systematic reviews and meta-analyses have been conducted on the degree of EMR use in Ethiopia and the factors influencing success. This will emphasize the factors that make EMR effective and increase awareness of its widespread use among future implementers in Ethiopia. Objective This study aims to determine the pooled estimate of EMR use and success determinants among health professionals in Ethiopia. Methods We developed a protocol and searched PubMed, Web of Sciences, African Journals OnLine, Embase, MEDLINE, and Scopus to identify relevant studies. To assess the quality of each included study, we used the Joanna Briggs Institute quality assessment tool using 9 criteria. The applicable data were extracted using Microsoft Excel 2019, and the data were then analyzed using Stata software (version 11; StataCorp). The presence of total heterogeneity across included studies was calculated using the index of heterogeneity I2 statistics. The pooled size of EMR use was estimated using a random effect model with a 95% CI. Results After reviewing 11,026 research papers, 5 papers with a combined total of 2439 health workers were included in the evaluation and meta-analysis. The pooled estimate of EMR usage in Ethiopia was 51.85% (95% CI 37.14%-66.55%). The subgroup study found that the northern Ethiopian region had the greatest EMR utilization rate (58.75%) and that higher (54.99%) utilization was also seen in publications published after 2016. Age groups <30 years, access to an EMR manual, EMR-related training, and managerial support were identified factors associated with EMR use among health workers. Conclusions The use of EMR systems in Ethiopia is relatively low. Belonging to a young age group, accessing an EMR manual, receiving EMR-related training, and managerial support were identified as factors associated with EMR use among health workers. As a result, to increase the use of EMRs by health care providers, it is essential to provide management support and an EMR training program and make the EMR manual accessible to health professionals.
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 | 0,126 | 0,112 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,019 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,024 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».