MétaCan
Menu
Retour à la cohorte
Enregistrement W4388519778 · doi:10.21203/rs.3.rs-3487910/v1

Validating the Delone and Mclean’s Model in a Developing Country's Infectious Disease Pandemic Context

2023· preprint· en· W4388519778 sur OpenAlexafffund
Uche Ikenyei, Nicole Haggerty

Notice bibliographique

RevueResearch Square · 2023
Typepreprint
Langueen
DomaineComputer Science
ThématiqueCOVID-19 Digital Contact Tracing
Établissements canadiensWestern University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésContext (archaeology)PreparednessDeveloping countryPandemicInformation systemUnderpinningHealthcare systemPsychologyMedicineInfectious disease (medical specialty)Coronavirus disease 2019 (COVID-19)Health careDiseasePolitical scienceEconomic growthManagementGeographyEngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose: This study aimed at validating the updated DeLone and McLean’s information systems success model (D&MISS) in a developing country’s infectious disease pandemic preparedness and response context. The findings are relevant to inform policies and actions for enhancing the Health Information System’s (HIS) performance in developing countries specifically to improve their future pandemic readiness and response. The study sought to respond to a key research question; to what extent can the D&MISS model provide evidence to improve the HIS’s infectious disease pandemic readiness and response in developing countries? Method: A cross-sectional study design that involved a multistage sampling approach to select eligible respondents was applied. Conducted in Nigeria and Liberia, 576 primary healthcare workers, out of the planned 600, participated representing a response rate of 96%. The D&MISS model served as the theoretical underpinning for this study and nine hypothesized relationships were stated prior to the study based on the interconnectedness of the model’s six dimensions. Results: Eight of the nine hypothesized relationships were supported, except for the relationship between Information Quality and Use. The relationships between System Quality and Use and between User Satisfaction and Net Benefit had the highest beta coefficient which was statistically significant at p<0.05. Conclusion and Relevance: While the D&MISS model continues to remain valuable in information systems (IS) and HIS research, its enhancement with context specific dimensions will improve its ability to determine context specific gaps peculiar to developing countries. The results of which will improve their HIS’s pandemic preparedness and response.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,030
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,003
Communication savante0,0050,004
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,176
Tête enseignante GPT0,416
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetCOVID-19 Digital Contact TracingTravaux en français237 207