mHealth Interventions in Low and Middle-Income Countries: A Systematic Review
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
The purpose of this review was to determine whether mHealth interventions were effective in low- and middle-income countries in order to create a baseline for the evidence to support mHealth in developing countries. Studies were identified by searching Medline on 02 October 2014 for articles published in the English language between January 2000 and September 2014. Inclusion criteria were: 1) written in English, 2) completion of an mHealth intervention in a low or middle-income country, 3) measurement of patient outcomes, and 4) participants 18 years of age or older. 7,920 titles were reviewed and 7 were determined eligible based on inclusion criteria. Interventions included a cluster randomized trial, mixed methods study, retrospective comparison of an opt-in text message program, a two-arm proof of concept, single arm trial, a randomized trial, and a single subject design. Five out of seven of the studies showed significant difference between the control and intervention. Currently there is little evidence on mHealth interventions in developing countries, and existing studies are very diverse; however initial studies show changes in clinical outcomes, adherence, and health communication, including improved communication with providers, decrease in travel time, ability to receive expert advice, changes in clinical outcomes, and new forms of cost-effective education. While this initial review is promising, more evidence is needed to support and direct system-level resource investment.
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 | 0,027 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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