Leveraging digital health systems maturity assessments to guide strategic priorities
Notice bibliographique
Résumé
Background: Many low- and middle-income countries (LMICs) face the daunting task of digitising, maturing and deciding where to invest in digital health systems. Aim: Describing the facilitators and barriers to conducting digital health maturity assessments and how health leaders can prioritise the assessments. Setting: eHealth leaders from 10 African countries, working or supporting Ministries of Health's digital health and participating in the eHealth Leaders' Forum from July 2023 to September 2023. Methods: This qualitative, descriptive study utilised key informant interviews conducted via Zoom with 14 conveniently selected leaders. We used Dedoose Version 9.0 to develop themes based on the health system's building blocks. Results: Participants identified maturity assessments as a critical first step to digital health strengthening, showing the system's performance and building a baseline response to systematic data quality challenges. Barriers to conducting digital health maturity assessment include lacking collaborators' buy-in, fragmented vision, overdependence on donor priorities, non-supportive policies and an inadequately skilled workforce. Facilitators include multi-stakeholder engagement, understanding the country's digital health ecosystem and appropriately integrating maturity assessment objectives. Recommendations include capacity building in data use and conducting maturity assessments at all health system levels to grow the demand and value of digital health strengthening. Conclusion: Promoting digital health maturity assessments can help leaders to make appropriate decisions to prioritise areas of improvement and steward maturity advancement as a pathway to strengthening the health system. Contribution: We spotlight the perspectives of African eHealth leaders, centering voices on the barriers, facilitators to planning and recommendations for implementing digital health systems maturity assessments.
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 | 0,086 | 0,104 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,004 |
| Études des sciences et des technologies | 0,007 | 0,005 |
| Communication savante | 0,018 | 0,021 |
| Science ouverte | 0,003 | 0,022 |
| Intégrité de la recherche | 0,003 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».