Exploring Health Professionals’ Knowledge and Perceptions of Telehealth Implementation in Multisite Public Hospitals of East Wollega Zone, Oromia, West Ethiopia: Cross-Sectional Study
Notice bibliographique
Résumé
Background: A significant gap exists among health professionals regarding telehealth due to limited knowledge and varying perceptions. This disparity is particularly pronounced in low-income regions, where numerous barriers hinder its implementation. Objective: This study aimed to assess the knowledge and perception of telehealth among health professionals in public hospitals in East Wollega, Oromia Region, Ethiopia. Methods: A study was conducted with 397 health professionals in public health facilities in East Wollega Zone, selected through systematic random sampling. Data were collected via self-administered questionnaires from March 2024 to June 2024 and entered into EpiData (version 3.1; EpiData Association) and analyzed using SPSS (version 24; IBM Corp). Descriptive statistics, including percentages and frequency distributions, were used. The Hosmer and Lemeshow test assessed variable homogeneity. Significant variables (P<.05) in bivariable logistic regression analysis were included in multivariable logistic analysis and reported as adjusted odds ratios (AOR) with 95% CI. Results: Findings indicated high levels of knowledge and perception among participants. Factors significantly associated with knowledge included educational status (AOR 4.22, 95% CI 3.45-13.12; P=.001), income between Ethiopian Birr 7001-9000 (a currency exchange rate of Ethiopian Birr 52=US $1 during the study period; AOR 3.255, 95% CI 1.790-8.878; P=.001), access to computers (AOR 2.414, 95% CI 1.046-14.764; P=.001), consultation sessions (AOR 2.389, 95% CI 1.961-10.158; P=.001), and smartphone use (AOR 3.027, 95% CI 2.797-14.729; P=.001). For perception, significant associations included income over 9000 Birr (AOR 2.675, 95% CI 2.271-19.277; P=.001), improving quality of life (AOR 1.786, 95% CI 1.575-22.587; P=.009), increased accessibility (AOR 1.244, 95% CI 1.061-11.333; P=.04), consultation sessions (AOR 4.777, 95% CI 2.318-15.062; P=.001), and smartphone use (AOR 3.836, 95% CI 2.900-13.573; P=.001). Conclusions: Approximately two-thirds of participants demonstrated good knowledge and perception of telehealth. It is highly recommended to create awareness through educational programs for individuals with lower educational backgrounds and to improve access to technological devices.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».