Evaluating the adoption of a mobile application for quality-of-care assessments in South Sudan using Rogers’ innovation diffusion theory
Notice bibliographique
Résumé
Introduction: The Health Pooled Fund (HPF) in South Sudan introduced the HPF Quality-of-Care (QoC) Application (App) in 2019 to improve healthcare quality monitoring and evaluation. The App allowed direct data entry at health facilities (HFs) and provided cloud storage for remote access and analysis. The App adoption can be understood through Everett Rogers’ Innovations Diffusion Theory (IDT), which explains how new ideas and technologies spread through societies. This study evaluated the QoC App adoption in South Sudan, using Rogers’ IDT to understand the factors influencing adoption, and identify successes and challenges in low-resource healthcare settings. Method: This study analysed QoC assessment data from HPF-supported HFs from 2019 to 2021, using descriptive statistics and thematic analysis to identify the trends and factors influencing adoption, based on Rogers’ IDT. Results: The study found that QoC App adoption significantly increased the proportion of HFs assessed from 39% in the first quarter when it was introduced, to 92.2% seven quarters later. The adoption of this innovation aligned with Rogers’ IDT. Conclusion: The successful implementation of the HPF QoC App demonstrates the practical application of Rogers’ IDT in a low-resource healthcare setting. The effective use of this App in South Sudan’s healthcare system has demonstrated digital health potential for future public health innovations and technology adoption process.
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 | 0,023 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».