Towards ‘Formalising’ WhatsApp Teledermatology Practice in KZ-N District Hospitals: Key Informant Interviews
Notice bibliographique
Résumé
INTRODUCTION: District hospitals in KwaZulu-Natal Province, South Africa, do not have onsite specialist dermatology services. Doctors at these hospitals use WhatsApp instant messaging to informally seek advice from dermatologists and colleagues before possible referral. They have expressed the need to formalise WhatsApp teledermatology. AIM: To determine the views and perspectives of clinicians on the feasibility and practicality of formalising the current WhatsApp-based teledermatology activities within the KwaZulu-Natal Department of Health Dermatology Service. METHODS: Key informant interviews with 12 purposively selected doctors at district hospitals and all 14 dermatologists in the KwaZulu-Natal dermatology service. Their views and perspectives on formalising the current informal use of WhatsApp for teledermatology were recorded, transcribed, and thematically analysed. RESULTS: Five primary themes (communication, usability, utility, process, and poor understanding of legal, regulatory, and ethical issues) and 22 sub-themes were identified. Clinicians wanted WhatsApp teledermatology to continue, be formalised, and be incorporated within the KwaZulu-Natal Department of Health, facilitated by the provision of practical guidelines addressing legal, regulatory, and ethical issues. CONCLUSIONS: These findings will be used to develop a policy brief, providing recommendations and proposed guidelines for formalising the teledermatology service. The findings and methods will be relevant to similar circumstances in other 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 | 0,027 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».