Integrated Personal Health Record in Indonesia: Design Science Research Study
Notice bibliographique
Résumé
BACKGROUND: Personal health records (PHRs) are consumer-centric tools designed to facilitate the tracking, management, and sharing of personal health information. PHR research has mainly been conducted in high-income countries rather than in low- and middle-income countries. Moreover, previous studies that proposed PHR design in low- and middle-income countries did not describe integration with other systems, or there was no stakeholder involvement in exploring PHR requirements. OBJECTIVE: This study developed an integrated PHR architecture and prototype in Indonesia using design science research. We conducted the research in Indonesia, a low- to middle-income country with the largest population in Southeast Asia and a tiered health system. METHODS: This study followed the design science research guidelines. The requirements were identified through interviews with 37 respondents from health organizations and a questionnaire with 1012 patients. Afterward, the proposed architecture and prototype were evaluated via interviews with 6 IT or eHealth experts. RESULTS: The architecture design refers to The Open Group Architecture Framework version 9.2 and comprises 5 components: architecture vision, business architecture, application architecture, data architecture, and technology architecture. We developed a high-fidelity prototype for patients and physicians. In the evaluation, improvements were made to add the stakeholders and the required functionality to the PHR and add the necessary information to the functions that were developed in the prototype. CONCLUSIONS: We used design science to illustrate PHR integration in Indonesia, which involves related stakeholders in requirement gathering and evaluation. We developed architecture and application prototypes based on health systems in Indonesia, which comprise routine health services, including disease treatment and health examinations, as well as promotive and preventive health efforts.
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 | 0,030 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».