Medical imaging consultation practices and challenges at public hospitals in the Amhara regional state, Northwest Ethiopia: a descriptive phenomenological study
Notice bibliographique
Résumé
Abstract Background Medical imaging plays a vital role in the accurate diagnosis, treatment and outcome prediction of many diseases and injuries. However, in many African countries, deserving populations do not have access to the proper medical imaging specialists’ services. As a result, clinicians continue to struggle to provide medical imaging via consultation. However, little is known about conventional referral consultation practices and their challenges. This study, therefore, aimed to explore the practice and challenges of medical imaging service consultation among health professionals and patients in the context of the Ethiopian public healthcare delivery system. Methods Descriptive phenomenological study was employed to explore the practice of medical imaging service consultation among health professionals and patients in public hospitals of Amhara region from October 12, 2021 to December 29, 2021. Semi-structured interview guides were prepared separately for key-informant and in-depth interviews. A total of 21 participants (6 hospital managers, 4 medical directors, 4 department heads, 3 medical imaging coordinators and 4 patients) were selected using the maximum variation sampling technique. All interviews were audio-recorded, transcribed verbatim and subjected to inductive thematic analysis using Open Code 4.02 software. Results Six major themes emerged following the thematic analysis: (1) medical image service delivery practices; (2) medical imaging consultation modalities; (3) benefits and drawbacks of the consultation modalities; (4) challenges; (5) challenge mitigation strategies; and (6) future recommendations. Image films, compact disks, and telegram apps were the consultation modalities used by the referring clinicians to send the medical images to radiologists. Frequent failure of imaging machines, delayed equipment maintenance, inadequate infrastructure, shortage of budget, lack of radiologists, and low-quality of printed image films were among the challenges influencing the medical imaging consultation service. Conclusions This research explored onsite and referral imaging consultation practices. However, there are many challenges encountered by the referring clinicians and the radiologists during the consultation process. These challenges could potentially affect clinicians’ ability to provide timely diagnosis and treatment services which would ultimately affects patient health status and service delivery. Virtual consultation via teleradiology and enhancing clinicians’ competence through long-term and short-term trainings are recommended to improve the referral consultation practice.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,004 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».