International Journal of Applied Health Informatics and Data Systems (IJAHIDS)

IJAHIDS

Open AccessPeer-reviewedPériodicité : Publication bimestrielleISSN : 3125-1668

Soumettre un article Réviser des articles

About the Journal

A Propos

International Journal of Applied Health Informatics and Data Systems (IJAHIDS) est une revue scientifique internationale en libre accès, évaluée par les pairs, dédiée à la recherche en informatique de la santé, systèmes d’information, et gestion des données appliquées aux domaines biomédicaux et de la santé publique. La revue vise à promouvoir des travaux originaux et de haute qualité portant sur la conception, le développement et l’évaluation de systèmes numériques innovants pour la santé, incluant les dossiers médicaux électroniques, les systèmes de surveillance épidémiologique, l’ingénierie des ontologies, l’intelligence artificielle appliquée et l’aide à la décision. IJAHIDS constitue une plateforme de diffusion scientifique favorisant l’intégration des approches informatiques, des données et des connaissances pour répondre aux défis de la santé, en particulier dans les contextes émergents et les pays du Sud.La revue est geree par Le Professeur Gaoussou Camara. Prof. Camara est enseignant‑chercheur en informatique à l’Université Alioune Diop de Bambey, où il dirige l’Équipe Interdisciplinaire de Recherche en Informatique Médicale et Technologies de l’Information et de la Communication pour l’Enseignement (IMTICE). Ses principaux domaines de recherche comprennent : Gestion des données biomédicales et des connaissances, notamment la conception de dossiers médicaux électroniques et de systèmes d’information hospitaliers. Ingénierie des ontologies de domaine et de processus appliquée à la surveillance des maladies infectieuses et l’intégration de données hétérogènes. Systèmes de surveillance épidémiologique, incluant la modélisation des systèmes complexes et la gestion de connaissances pour la santé publique. Technologies de l’information et de la communication appliquées à l’éducation et à la santé, avec des contributions à des projets comme le Système National d’Information Médicale du Sénégal (SIMENS).

Aims & Scope

Aims

L’International Journal of Applied Health Informatics and Data Systems (IJAHIDS) est une revue scientifique internationale en libre accès, évaluée par les pairs, dédiée à la diffusion de travaux de recherche originaux et de qualité dans le domaine de l’informatique de la santé et des systèmes de données appliqués aux sciences biomédicales et à la santé publique. La revue vise à promouvoir le développement, l’intégration et l’évaluation de solutions numériques innovantes permettant d’améliorer la gestion de l’information sanitaire, l’aide à la décision médicale, la surveillance épidémiologique et la gouvernance des systèmes de santé. IJAHIDS encourage des recherches interdisciplinaires combinant informatique, sciences des données, ingénierie des connaissances et applications médicales. À travers une approche orientée vers les usages réels, la revue met un accent particulier sur les travaux ayant un impact pratique, notamment dans les pays à ressources limitées et les contextes émergents, tout en respectant les plus hauts standards d’éthique scientifique, de rigueur méthodologique et de diffusion ouverte du savoir.

Scope

IJAHIDS accueille des articles scientifiques couvrant, sans s’y limiter, les thématiques suivantes que sont l'Informatique de la santé (e-santé), la conception et l'évaluation de systèmes informatiques pour les soins de santé, la télémédecine, les dossiers médicaux électroniques et les plateformes numériques de santé. Les systèmes d’information hospitaliers et sanitaires Architecture, interopérabilité, sécurité, gouvernance et performance des systèmes d’information pour les établissements de santé et les institutions publiques. Gestion des données biomédicales et de santé. Modélisation, intégration, qualité, visualisation et analyse des données cliniques, épidémiologiques et biologiques. Ingénierie des connaissances et ontologies. Représentation des connaissances, ontologies de domaine, systèmes à base de connaissances et raisonnement appliqués à la santé et à la médecine. Intelligence artificielle et science des données appliquées à la santé. Apprentissage automatique, apprentissage profond, systèmes intelligents, analyse prédictive et aide à la décision clinique et sanitaire. Surveillance épidémiologique et systèmes de veille sanitaire Modélisation, suivi et analyse des maladies infectieuses et chroniques à l’aide de systèmes informatiques et de données multi-sources. Interopérabilité, normes et sécurité des données de santé. Standards, protection des données, confidentialité, cybersécurité et éthique des systèmes numériques de santé.Technologies de l’information et de la communication pour la santé et l’éducation. TIC appliquées à la formation médicale, à l’enseignement à distance et au renforcement des capacités dans le secteur de la santé. Études de cas, applications et innovations en contexte réel. Retours d’expérience, déploiements opérationnels et innovations numériques adaptées aux contextes locaux et régionaux.

Peer Review Process

Type de revue : Double-blind peer review Nombre de reviewers : 2 minimum Délais moyens (ex. 4–6 semaines) Décision finale : acceptation / révision / rejet

Current Issue

Artificial Intelligence approaches to predict COVID-19 infection in Senegal

Abdoulaye Dialloa, Gaoussou Camaraa, Fodé Camara, Aminata Mboup

Mots-clés : COVID-19; SARS-CoV-2; Artificial Intelligence; Machine Learning; Predictive Models; Health Informatics; Clinical Decision Support; Patient Classification; Clinical Data; Senegal

The SARS-CoV2 virus, which causes COVID-19 (coronavirus disease) has become a pandemic and has expanded all over the world. Because of increasing number of cases day by day, it takes time to interpret the data thus the limitations in terms of both treatment and findings are emerged. Due to such limitations, the need for clinical decisions making system with predictive algorithms has arisen. Predictive algorithms could potentially ease the strain on healthcare systems by identifying the diseases. In this study, we design clinical predictive models that estimate, using artificial intelligence and data, which patients are susceptible to receive a COVID-19 disease. To evaluate the predictive performance of our models, accuracy, AUROC, and scores calculated. From 12,727 individuals, models were tested with basic information (sex, age) and the patient’s type of case, which is the combination of their symptoms, their travel during the last 14 days, their contact with an infected person or their participation in a festival requiring a gathering. We used 5 machine learning algorithms (LR, SVM, k-NN, RF, XGBoost) and 1 deep learning algorithm (ANN). Our models were validated with train-test split approach. The experimental results indicate that our predictive models identify patients that have COVID-19 disease at an accuracy of 73% and AUC of 69%. It is observed that predictive models trained on patients’ basic information and type of case could be used to predict COVID-19 infection in Senegal and can be helpful for medical experts to optimize the resources efficiently.

Lire

Editorial Board

Professeur Gaoussou Camara

Editeur en Chef — UAD

Submissions

Préparez le manuscrit avec les templates et soumettez via la plateforme.

Template Word (.doc)Template LaTeX (.tex)Soumettre dans ce journal

Contact

Rédaction — BAJP

Email: admin@senegal-livres.sn