Text messaging app improves disease surveillance in rural South Sudan
Notice bibliographique
Résumé
BACKGROUND: In South Sudan, remote health facilities face challenges in submitting weekly surveillance reports for epidemic-prone diseases due to long distances and difficult terrain health workers must cover to hand-deliver paper reports. Not only are patients unable to access care while health workers are away, identification of and timely response to an infectious disease outbreak is hampered. METHODS: Data journey mapping with stakeholders was conducted in three counties in Eastern Equatoria State to inform an appropriate mHealth solution. A short message service (SMS) application was selected because it did not require internet connection and only needed minimal equipment investments. The SMS app was designed using open source Android software due to low set-up and maintenance costs. Health facility staffs use personal phones to send an SMS in a predetermined format to the County Health Department (CHD) Android phone base. CHD staff review data; once verified, CHD exports the data to existing health information system software for onward submission to the State Ministry of Health (SMOH). To engender perceived value and incentive use, health workers must use personal airtime to send the SMS; they receive a bonus if they submit reports on time. For long-term sustainability of the system, CHDs have incorporated system maintenance costs into their monthly budgets. RESULTS: Eighty-nine health workers and 21 CHD staff were trained to use the SMS app. They found the innovation interesting and easy to use. All three counties increased on-time submissions upon introduction of the app. The predefined SMS template is important for data accuracy. Availability of a dedicated CHD staff and mobile network coverage in the most remote areas present ongoing challenges to timely report submissions in some counties. CHDs declare the SMS app has revolutionized weekly disease surveillance reporting in their counties. Eastern Equatoria SMOH has requested scale up of this app to all counties of the state. National Ministry of Health (MOH) has expressed strong interest in scaling up the initiative for monthly data reporting. CONCLUSIONS: The SMS app has improved timeliness and efficiency of weekly disease surveillance reporting. It overcomes transportation challenges of health reporting in remote areas and improves access to patient care since health workers do not need to leave post to deliver the report. Minimal start-up and operation costs make this an appropriate solution in resource-poor contexts with a high likelihood of long-term sustainability.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».