Key Enablers to Boost Digital Health Solutions in Latin America
Notice bibliographique
Résumé
Background COVID-19 has exposed the fragility of global health systems. However, the pandemic is perceived to have boosted the use of technology and accelerated digital health solutions (DHS). In Latin America, DHS can increase accessibility and provide more efficient health services. Various key players have relevant roles for innovation within the health care systems. For this study, we focused on health-tech start-ups (developers) and health care providers (implementers) who can cocreate and develop new health care solutions. Objective This research aimed to explore the aspects that boost innovation in the health care ecosystem in Latin America, based on the 5 key aspects of the Innovation Readiness Levels: market, technology, organization, partnerships, and risk. Methods For this research, a qualitative study was conducted using the 5 key aspects of the Innovation Readiness Levels. Two types of organizations were selected: health-tech start-ups (developers) and health care providers (implementers). A total of 12 professionals from Latin America were interviewed. For each interview, quotes related to the 5 aspects were selected and subclustered to find relationships. Results Based on the discovered relationships, 7 aspects to boost DHS in Latin America were identified: agility to respond, facilitating collaboration, building and sharing knowledge, creating user-centered solutions, economic resources and sustainability, ease of technological development and adoption, and reaching beyond hospitals. The first 4 aspects could apply to other regions outside Latin America. The last 3 are related to regional challenges in Latin America. Obstacles and calls to action were identified for each aspect. Conclusions To boost DHS in Latin America, it is necessary to have a complete overview of the patient’s journey and consider all the users involved to understand their needs and identify opportunities to develop new solutions. This will contribute to the improvement of health solutions and patient outreach. Future research is suggested to develop a better understanding of these aspects in the Latin American countries that were not included in this research and to validate whether these are the only key aspects needed. Conflicts of Interest None declared.
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 | 0,006 | 0,010 |
| 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 | 0,003 | 0,004 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».