Many digital health interventions (DHIs), including mobile health (mHealth) apps, aim to improve both client outcomes and efficiency like electronic medical record systems (EMRS). Although interoperability is the gold standard, it is also complex and costly, requiring technical expertise, stakeholder permissions and sustained funding. Manual data linkage processes are commonly used to ‘integrate’ across systems and allow for assessment of DHI impact, a best practice, before further investment. For mHealth, the manual data linkage workload, including related monitoring and evaluation (M&E) activities, remains poorly understood. As a baseline study for an open-source app to mirror EMRS and reduce healthcare worker (HCW) workload while improving care in the Nurse-led Community-based Antiretroviral therapy Program (NCAP) in Lilongwe, Malawi, we conducted a time-motion study observing HCWs completing data management activities, including routine M&E and manual data linkage of individual-level app data to EMRS. Data management tasks should reduce or end with successful app implementation and EMRS integration. Data were analysed in Excel. We observed 69:53:00 of HCWs performing routine NCAP service delivery tasks: 39:52:00 (57%) was spent completing M&E data related tasks of which 15:57:00 (23%) was spent on manual data linkage workload, alone. Understanding the workload to ensure quality M&E data, including to complete manual data linkage of mHealth apps to EMRS, provides stakeholders with inputs to drive DHI innovations and integration decision making. Quantifying potential mHealth benefits on more efficient, high-quality M&E data may trigger new innovations to reduce workloads and strengthen evidence to spur continuous improvement.
RESUMEN
Muchas intervenciones de salud digital (ISD), aplicaciones de salud móvil (mSalud) incluídas, aspiran a mejorar tanto los resultados de los clientes como la eficiencia, con sistemas de historias clínicas electrónicas (SHCE), por ejemplo. Aunque la interoperabilidad es un ideal al cual apuntar, es, sin embargo, compleja y costosa, y requiere pericia técnica, permisos de partes interesadas, y financiamiento sostenido. Procesos de enlace o vinculación manual de datos se usan comúnmente para ‘integrar’ a través de sistemas y así permitir evaluar el impacto de las ISD, una ‘mejor práctica’, antes de continuar o incrementar una inversión. En la mSalud, la carga de trabajo que supone vincular manualmente los datos, incluyendo actividades de monitoreo y evaluación (M&E), sigue sin entenderse del todo. Como un estudio de base para una aplicación de código abierto que refleje SHCE y reduzca la carga de trabajo de los prestadores de salud (PS) mientras mejora el cuidado brindado por el Programa Comunitario dirigido por Enfermeras de terapia Anti-retroviral (PCEA) en Lilongwe, Malaui, condujimos un estudio de tiempos y movimientos observando a PS completar actividades de manejo de datos, incluyendo M&E de rutina y la vinculación manual de datos, de las aplicaciones de nivel individual a los SHCE. Las tareas de manejo de datos deberán reducirse o cesar del todo con la exitosa implementación de la aplicación y la integración de los SHCE. Los datos fueron analizados en Excel. Observamos 69:53:00 de PS realizando tareas rutinarias de servicio del PCEA: 39:52:00 (57%) se usaron para completar labores relacionadas a datos de M&E, de los que 15:57:00 (23%) se gastaron en tan sólo enlazar datos a mano. Entender la carga de trabajo que supone asegurar la calidad de los datos de M&E, incluyendo la vinculación manual de datos entre las aplicaciones de mSalud y los SHCE, provee a las partes interesadas de información que puede empujar a la innovación en ISD y guiar la toma de decisiones sobre integración. El cuantificar beneficios potenciales de mSalud con datos de M&E de alta calidad y más eficientes, puede disparar la aparición de nuevas innovaciones que reduzcan cargas de trabajo y fortalezcan evidencias que estimulen un mejoramiento continuado.
RESUMO
Muitas intervenções de saúde digital (DHI), incluindo as aplicações de saúde móvel (mHealth), visam melhorar os resultados e a eficiência dos clientes, tal como os sistemas de registos médicos electrónicos (EMRS). Embora a interoperabilidade seja a norma de ouro, é também complexa e dispendiosa, exigindo conhecimentos técnicos, autorizações das partes interessadas e financiamento sustentado. Os processos manuais de ligação de dados são normalmente utilizados para ‘integrar’ os sistemas e permitir a avaliação do impacto da DHI, uma prática recomendada, antes de mais investimentos. Para a saúde móvel, a carga de trabalho da ligação manual de dados, incluindo as actividades de monitorização e avaliação (M&A) relacionadas, continua a ser mal compreendida. Como estudo de base para uma aplicação de código aberto para espelhar o EMRS e reduzir a carga de trabalho dos profissionais de saúde ao mesmo tempo que melhora os cuidados no Programa de Terapia Antirretroviral de Base Comunitária liderado por enfermeiros (NCAP) em Lilongwe, Malawi, realizámos um estudo de tempo-movimento, observando os profissionais de saúde a concluir atividades de gestão de dados, incluindo M&A de rotina e ligação manual de dados de dados de aplicações de nível individual ao EMRS. As tarefas de gestão de dados devem ser reduzidas ou terminadas com a implementação bem sucedida da aplicação e a integração do EMRS. Os dados foram analisados em Excel. Observámos 69:53:00 de profissionais de saúde a realizar tarefas de rotina de prestação de serviços NCAP: 39:52:00 (57%) foram gastas a completar tarefas relacionadas com dados de M&A, das quais 15:57:00 (23%) foram gastas apenas com a carga de trabalho de ligação manual de dados. Compreender a carga de trabalho para garantir dados de M&A de qualidade, incluindo para completar a ligação manual de dados das aplicações de saúde móvel ao EMRS, oferece às partes interessadas contributos para impulsionar as inovações do DHI e a tomada de decisões de integração. A quantificação dos potenciais benefícios da saúde móvel em dados de M&A mais eficientes e de alta qualidade pode desencadear novas inovações para reduzir as cargas de trabalho e reforçar as provas para estimular a melhoria contínua.
RÉSUMÉ
De nombreuses interventions de santé numérique (ISN), y compris les applications de santé mobile (mHealth), visent à améliorer à la fois les résultats pour les clients et l’efficacité, comme les systèmes de dossiers médicaux électroniques (DME). Bien que l’interopérabilité soit la référence, elle est également complexe et coûteuse, nécessitant une expertise technique, les autorisations des parties prenantes et un financement continu. Des processus manuels de couplage des données sont couramment utilisés pour « l’intégration » entre les systèmes et permettent d’évaluer l’impact des ISN, une bonne pratique, avant d’investir davantage. Pour la mHealth, la charge de travail de couplage manuel des données, y compris les activités de suivi et l’évaluation associées (S&E), reste mal compris. En tant qu’étude de base pour un logiciel ouvert visant à refléter le système de DME et à réduire la charge de travail des agents de santé (AS) tout en améliorant les soins dans le cadre du programme de thérapie antirétrovirale communautaire dirigé par des infirmiers à Lilongwe, au Malawi, nous avons mené une étude de temps et mouvements observant les AS accomplissant des activités de gestion des données, y compris le S&E de routine et le couplage manuel des données des logiciels au niveau individuel au système de DME. Les tâches de gestion des données devraient être réduites ou terminées avec une utilisation réussie du logiciel et une intégration au système de DME. Les données ont été analysées dans Excel. Nous avons observé 69:53:00 heures d’AS effectuant des tâches de prestation de services de routine: 39:52:00 heures (57%) étaient consacrés à l’exécution de tâches de S&E liées aux données, dont 15:57:00 (23%) consacrées uniquement au couplage manuel des données. Comprendre la charge de travail nécessaire pour assurer des données de S&E de qualité, notamment pour compléter le couplage manuel des données des applications de la mHealth avec le système de DME, fournit aux parties prenantes des informations pour piloter les innovations d’ISN et prendre des décisions en matière d’intégration. Quantifier les avantages potentiels de la mHealth sur des données de S&E plus efficaces et de haute qualité peut déclencher de nouvelles innovations pour réduire les charges de travail et renforcer les preuves pour stimuler une amélioration continue.