Digital health in fragile states in the Middle East and North Africa (MENA) region: A scoping review of the literature
Notice bibliographique
Résumé
INTRODUCTION: Conflict, fragility and political violence, that are taking place in many countries in the Middle East and North Africa (MENA) region have devastating effects on health. Digital health technologies can contribute to enhancing the quality, accessibility and availability of health care services in fragile and conflict-affected states of the MENA region. To inform future research, investments and policy processes, this scoping review aims to map out the evidence on digital health in fragile states in the MENA region. METHOD: We conducted a scoping review following the Joanna Briggs Institute (JBI) guidelines. We conducted descriptive analysis of the general characteristics of the included papers and thematic analysis of the key findings of included studies categorized by targeted primary users of different digital health intervention. RESULTS: Out of the 10,724 articles identified, we included 93 studies. The included studies mainly focused on digital health interventions targeting healthcare providers, clients and data services, while few studies focused on health systems or organizations managers. Most of the included studies were observational studies (49%). We identified no systematic reviews. Most of the studies were conducted in Lebanon (32%) followed by Afghanistan (13%) and Palestine (12%). The first authors were mainly affiliated with institutions from countries outside the MENA region (57%), mainly United Kingdom and United States. Digital health interventions provided a platform for training, supervision, and consultation for health care providers, continuing education for medical students, and disease self-management. The review also highlighted some implementation considerations for the adoption of digital health such as computer literacy, weak technological infrastructure, and privacy concerns. CONCLUSION: This review showed that digital health technologies can provide promising solutions in addressing health needs in fragile and conflict-affected states. However, rigorous evaluation of digital technologies in fragile settings and humanitarian crises are needed to inform their design and deployment.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 |
| 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 ».