MétaCan
Menu
Retour à la cohorte
Enregistrement W4403758345 · doi:10.1101/2024.10.24.24316072

Measuring health system quality with routine health information systems in Rwanda

2024· preprint· en· W4403758345 sur OpenAlexaff
Celestin Hategeka

Notice bibliographique

RevuemedRxiv · 2024
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueMedical Coding and Health Information
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésQuality (philosophy)Healthcare systemBusinessInformation systemComputer scienceEnvironmental healthPolitical scienceHealth careMedicineEconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

Abstract Background Growing evidence suggests that achieving the Sustainable Development Goal (SDG) 3 will require high-quality health systems in low and middle-income countries. The objective of this study was to assess whether routine health information systems in Rwanda capture relevant health system quality measurements to facilitate the effective tracking of the Rwandan health system performance. Methods I systematically reviewed the Rwanda health management information systems (Rwanda HMIS)—one of the six core building blocks of health systems—to identify health system performance indicators corresponding to processes of care quality and quality impact dimensions of high-quality health systems proposed by the Lancet Global Health Commission on High-Quality Health Systems in the SDG Era. Using a cross-sectional study design and descriptive statistics, I summarized available quality indicators by domains of the high-quality health system framework. Results Overall, less than 30% of the indicators collected in the Rwanda HMIS are processes of care quality and / or quality impact indicators. Health outcome measures were captured across health center and hospital HMIS reporting forms. However, there were gaps in the measurement of relevant quality impact measures such as confidence in health systems and economic benefit, and processes of care quality measures such as user (patient) experience, safety, continuity, and integration of care. Measurements about competent care and systems care were rarely available outside maternal, newborn, and child health. Conclusion The current routine health information systems in Rwanda would benefit from capturing additional healthcare quality metrics, including for noncommunicable diseases, to allow the effective tracking of the health system performance and to identify new potential efficiencies to maximize the impact of the Rwandan health system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,022
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,361
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0220,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,005
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,291
Tête enseignante GPT0,451
Écart entre enseignants0,160 · 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 tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetMedical Coding and Health InformationTravaux en français237 207