Evaluating the Feasibility and Acceptance of a Mobile Clinical Decision Support System in a Resource-Limited Country: Exploratory Study
Notice bibliographique
Résumé
BACKGROUND: In resource-limited countries, access to specialized health care services such as dermatology is limited. Clinical decision support systems (CDSSs) offer innovative solutions to address this challenge. However, the implementation of CDSSs is commonly associated with unique challenges. VisualDx-an exemplar CDSS-was recently implemented in Botswana to provide reference materials in support of the diagnosis and management of dermatological conditions. To inform the sustainable implementation of VisualDx in Botswana, it is important to evaluate the intended users' perceptions about the technology. OBJECTIVE: This study aims to determine health care workers' acceptance of VisualDx to gauge the feasibility of future adoption in Botswana and other similar health care systems. METHODS: The study's design was informed by constructs of the Technology Acceptance Model. An explanatory, sequential, mixed methods study involving surveys and semistructured interviews was conducted. The REDCap (Research Electronic Data Capture; Vanderbilt University) platform supported web-based data capture from March 2021 through August 2021. In total, 28 health care workers participated in the study. Descriptive statistics were generated and analyzed using Excel (Microsoft Corp), and thematic analysis of interview transcripts was performed using Delve software. RESULTS: All survey respondents (N=28) expressed interest in using mobile health technology to support their work. Before VisualDx, participants referenced textbooks, journal articles, and Google search engines. Overall, participants' survey responses showed their confidence in VisualDx (18/19, 95%); however, some barriers were noted. Frequently used VisualDx features included generating a differential diagnosis through manual entry of patient symptoms (330/681, 48.5% of total uses) or using the artificial intelligence feature to analyze skin conditions (150/681, 22% of total uses). Overall, 61% (17/28) of the survey respondents were also interviewed, and 4 thematic areas were derived. CONCLUSIONS: Participants' responses indicated their willingness to accept VisualDx. The ability to access information quickly without internet connection is crucial in resource-constrained environments. Selected enhancements to VisualDx may further increase its feasibility in Botswana. Study findings can serve as the basis for improving future CDSS studies and innovations in Botswana and similar resource-limited countries.
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 | 0,016 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».