Evaluation of a Smartphone-Based Training Strategy Among Health Care Workers Screening for Cervical Cancer in Northern Tanzania: The Kilimanjaro Method
Notice bibliographique
Résumé
PURPOSE: Almost nine of 10 deaths resulting from cervical cancer occur in low-income countries. Visual inspection under acetic acid (VIA) is an evidence-based, cost-effective approach to cervical cancer screening (CCS), but challenges to effective implementation include health provider training costs, provider turnover, and skills retention. We hypothesized that a smartphone camera and use of cervical image transfer for real-time mentorship by experts located distantly across a closed user group through a commercially available smartphone application would be both feasible and effective in enhancing VIA skills among CCS providers in Tanzania. METHODS: We trained five nonphysician providers in semirural Tanzania to perform VIA enhanced by smartphone cervicography with real-time trainee support from regional experts. Deidentified images were sent through a free smartphone application on the available mobile telephone networks. Our primary outcomes were feasibility of using a smartphone camera to perform smartphone-enhanced VIA and level of agreement in diagnosis between the trainee and expert reviewer over time. RESULTS: Trainees screened 1,072 eligible women using our methodology. Within 1 month of training, the agreement rate between trainees and expert reviewers was 96.8%. Providers received a response from expert reviewers within 1 to 5 minutes 48.4% of the time, and more than 60% of the time, feedback was provided by regional expert reviewers in less than 10 minutes. CONCLUSION: Our method was found to be feasible and effective in increasing health care workers' skills and accuracy. This method holds promise for improved quality of VIA-based CCS programs among health care providers in low-income countries.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».