An mHealth Model to Increase Clinic Attendance for Breast Symptoms in Rural Bangladesh: Can Bridging the Digital Divide Help Close the Cancer Divide?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To demonstrate proof of concept for a smart phone-empowered community health worker (CHW) model of care for breast health promotion, clinical breast examination (CBE), and patient navigation in rural Bangladesh. METHODS: This study was a randomized controlled trial; July 1 to October 31, 2012, 30 CHWs conducted door-to-door interviews of women aged 25 and older in Khulna Division. Only women who disclosed a breast symptom were offered CBE. Arm A: smart phone with applications to guide interview, report data, show motivational video, and offer appointment for women with an abnormal CBE. Arm B: smart phone/applications identical to Arm A plus CHW had training in "patient navigation" to address potential barriers to seeking care. Arm C: control arm (no smart phone; same interview recorded on paper). Outcomes are presented as the "adherence" (to advice regarding a clinic appointment) for women with an abnormal CBE. This study was approved by Women's College Hospital Research Ethics Board (Toronto, Ontario, Canada) and district government officials (Khulna, Bangladesh). Funded by Grand Challenges Canada. RESULTS: In 4 months, 22,337 women were interviewed; <1% declined participation, and 556 women had an abnormal CBE. Control group CHWs completed fewer interviews, had inferior data quality, and identified significantly fewer women with abnormal breast exams compared with CHWs in arms A and B. Arm B had the highest adherence. CONCLUSION: CHWs guided by our smart phone applications were more efficient and effective in breast health promotion compared with the control group. CHW "navigators" were most effective in encouraging women with an abnormal breast examination to adhere to advice regarding clinic attendance.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle