How advanced is your digital public health system? A qualitative analysis of suitable indicators
Notice bibliographique
Résumé
Abstract Background Revealing the full potential of digital public health (DiPH) systems necessitates a wide-ranging tool to assess their maturity. Essential domains that need to be considered include the literacy and interest in DiPH tool application by society and the workforce and the legal and ICT maturity of DiPH systems. No review has investigated indicators on these national DiPH system maturity (DiPHSM) domains yet. Our narrative review and qualitative analysis aimed to map the landscape of indicators related to DiPHSM measurement and rank them based on their importance for such assessments. Methods As original indicators were not published in scientific databases but as grey literature, we used DuckDuckGo to apply a pre-defined search strategy for 11 countries from all continents classified as having reached level 4 of 5 in the Global Digital Health Monitor. Of the 1484 identified references, 137 were included which named 15806 indicators. Consensus on importance was defined as at least 3 or 4 authors rating an indicator as important. Results We recognized 180 indicators on different constructs with importance for DiPHSM analysis, including the availability and use of Smartphones, computers, the Internet or the DiPH intervention, the existence of skilled workforce, infrastructure (investment), and interoperability between interventions, the secondary use of health data, a DiPH strategy and controlling agency, or the application of big data and artificial intelligence for health data collection, analysis, and sharing. Conclusions Our study holds the potential to develop more comprehensive tools for DiPHSM assessments. Further examination is required to analyze the suitability and applicability of all identified indicators for diverse healthcare settings. By working towards a uniform evaluation of DiPHSM, we foster informed decision-making among healthcare planners and practitioners, improve resource distribution, and continue to drive innovation in healthcare delivery. Key messages • Maturity assessment tools need to consider the complexity of DiPH systems. Thereby, DiPH system evaluations need to be accompanied by analyses of the legal, ICT, and literacy perspective maturities. • New methods are needed to systematically assess and use multidisciplinary grey literature for research.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,056 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».