Robotic Health Assistant (Feverkit) for the Rational Management of Fevers among Nomads in Nigeria
Notice bibliographique
Résumé
The innovation described in this paper was motivated by concern that in Africa, parasite resistance to antimalarial drugs is associated with irrational drug use where health facilities are inaccessible. However, advancement in digital technology, simple diagnostic devices and smart drug packaging inspire innovative strategies. The combination of communication technology, rapid diagnostic tools, and antibiotic and antimalarial medicines can increase access to evidence-based malaria management, reduce mortality and slow the development of resistance to drugs. The author initiated development of a solar-powered device (Feverkit) programmed with user-interactive capabilities and equipped with a detachable laboratory and dispensary for community management of fevers. The operational performance of 10 units of the device was evaluated among 20 nomadic Fulani communities in northeastern Nigeria. A brief introduction to its parts and functions was sufficient for community-selected nomadic caregivers to use it competently for managing 207 fever cases in eight weeks, with a 97% (p=.000) recovery rate. The Feverkit guided the nomads to distinguish between malaria and non-malaria-induced fevers, and thus selectively treat them. Camp communities accepted the device and were willing to pay between US$33 and $334 (mean, $113; mode, $67) to keep it. Public-private sector collaboration is essential for sustaining and scaling up production of the Feverkit as a commercial health device for the management of fevers among nomads.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».