Using mHealth for HIV/TB Treatment Support in Lesotho: Enhancing Patient–Provider Communication in the START Study
Notice bibliographique
Résumé
BACKGROUND: mHealth is a promising means of supporting adherence to treatment. The Start TB patients on ART and Retain on Treatment (START) study included real-time adherence support using short-text messaging service (SMS) text messaging and trained village health workers (VHWs). We describe the use and acceptability of mHealth by patients with HIV/tuberculosis and health care providers. METHODS: Patients and treatment supporters received automated, coded medication and appointment reminders at their preferred time and frequency, using their own phones, and $3.70 in monthly airtime. Facility-based VHWs were trained to log patient information and text message preferences into a mobile application and were given a password-protected mobile phone and airtime to communicate with community-based VHWs. The use of mHealth tools was analyzed from process data over the study course. Acceptability was evaluated during monthly follow-up interviews with all participants and during qualitative interviews with a subset of 30 patients and 30 health care providers at intervention sites. Use and acceptability were contextualized by monthly adherence data. FINDINGS: From April 2013 to August 2015, the automated SMS system successfully delivered 39,528 messages to 835 individuals, including 633 patients and 202 treatment supporters. Uptake of the SMS intervention was high, with 92.1% of 713 eligible patients choosing to receive SMS messages. Patient and provider interviews yielded insight into barriers and facilitators to mHealth utilization. The intervention improved the quality of health communication between patients, treatment supporters, and providers. HIV-related stigma and technical challenges were identified as potential barriers. CONCLUSIONS: The mHealth intervention for HIV/tuberculosis treatment support in Lesotho was found to be a low-tech, user-friendly intervention, which was acceptable to patients and health care providers.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».