Mobile Technology for Empowering Health Workers in Underserved Communities: New Approaches to Facilitate the Elimination of Neglected Tropical Diseases
Notice bibliographique
Résumé
BACKGROUND: As global mobile phone penetration increases, direct health information communication from hard-to-reach communities is becoming commonplace. Mobile health (mHealth) tools that enable disease control programs to benefit from this information, while simultaneously empowering community members to take control of their own health, are vital to the goal of universal health care. OBJECTIVE: Our aim was to highlight the development of the Liverpool mHealth Suite (LMS), which has been designed to address this need and improve health services for neglected tropical diseases being targeted for global elimination, such as lymphatic filariasis. METHODS: The LMS has two main communication approaches-short message service and mobile phone apps-to facilitate real-time mass drug administration (MDA) coverage, reporting patient numbers, managing stock levels of treatment supplies, and exchanging health information to improve the quality of care of those affected. RESULTS: The LMS includes the MeasureSMS-MDA tool to improve drug supplies and MDA coverage rates in real-time (currently being trialed in urban Tanzania); the MeasureSMS-Morbidity tool to map morbidity, including lymphedema and hydrocele cases (initially piloted in rural Malawi and Ghana, then extended to Ethiopia, and scaled up to large urban areas in Bangladesh and Tanzania); the LyMSS-lymphedema management supply system app to improve distribution of treatments (trialed for 6 months in Malawi with positive impacts on health workers and patients); and the HealthFront app to improve education and training (in development with field trials planned). CONCLUSIONS: The current success and scale-up of the LMS by many community health workers in rural and urban settings across Africa and Asia highlights the value of this simple and practical suite of tools that empowers local health care workers to contribute to local, national, and global elimination of disease.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 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 ».