240 Electronic personal health records for mobile populations: a rapid systematic literature review
Notice bibliographique
Résumé
Abstract EP3.5, e-Poster Terminal 3, September 5, 2025, 13:05 - 13:30 Mobile populations, including refugees, asylum seekers and undocumented migrants, face challenges in access, continuity and quality of healthcare, among others, due to lack of available health records. Our study aimed to examine the current landscape of Electronic Personal Health Records (EPHRs) developed for and used by mobile populations. A rapid systematic literature review was conducted, identifying relevant publications through searches in Embase, PubMed, Scopus, and grey literature. The literature search yielded 2303 articles, with 74 remaining after title and abstract screening. After full-text screening, 10 scientific articles and 9 grey literature records were included in a qualitative data synthesis. Six distinct EPHRs were identified, differing in how they centralize health records, ranging from ‘digital vaults‘ to comprehensive systems, from smartphone apps to web-based apps, and from offline functionalities to the necessity of being connected to the internet. Moreover, they differ in additional functionalities, and the level of patient autonomy granted. Limited evidence exists on their impact on health outcomes or continuity of care, and user adoption remains a critical challenge. Key elements in the development and implementation of EPHRs include ensuring a high level of data security and co-designing easy to use EPHRs. The review indicates a need for future research on user-experiences and their impact on the health outcomes of mobile populations.
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 | 0,038 | 0,121 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,028 | 0,023 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,008 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».