Notice bibliographique
Résumé
Background: The potential for mobile health has increasingly received attention from global health researchers, but the process of scaling-up mHealth in low- and middle-income countries has not been adequately explored in the literature. The objective of this study was to investigate the lessons learned from scaling up mHealth initiatives in low-and middle-income countries, drawing on the experiences of TulaSalud in Alta Verapaz, Guatemala and case studies from within the literature. Methodology: Informal stakeholder interviews were conducted with community facilitators, officials from the Health Department of Alta Verapaz, and TulaSalud staff and coordinators. Case studies from within the literature were then used to compare the experience of telemedicine in Alta Verapaz to mHealth initiatives in other low- and middle-income countries. Results: The following paper documents TulaSalud’s experience in telemedicine and explores three thematic areas: program successes, challenges, and recommendations. The findings suggest that TulaSalud’s public-private partnerships, constant monitoring and support of community facilitators, as well as the incorporation of videos and photos within the application have all contributed to the program’s successful scale-up. Conversely, the program’s inability to continue providing a monthly stipend for community facilitators, community members’ lack of respect and support for female community facilitators, as well as language barriers, have presented challenges during the program’s scale-up. Conclusion: Based on the literature review and the interviews conducted in Guatemala, mhealth projects seeking to achieve scale should first establish partnerships with various stakeholders; public-private partnerships have been essential to the successful scale-up of mhealth in low- and middle-income countries. Second, mhealth project implementers should establish a gender strategy to reduce the barriers preventing female community health workers from participating in mhealth. Finally, mhealth projects should e designed with end-users in mind.
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 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 | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».