Effectiveness and Appropriateness of mHealth Interventions for Maternal and Child Health: Systematic Review
Notice bibliographique
Résumé
Background: The application of mobile health (mHealth) technology in reproductive, maternal, newborn, and child health (RMNCH) is increasing worldwide. However, best practice and the most effective mHealth interventions have not been reviewed systematically. Objective: A systematic review and meta-analysis of studies of mHealth interventions for RMNCH around the world were conducted to investigate their characteristics as well as the features and effectiveness of mHealth interventions. Methods: Studies of mHealth interventions for RMNCH between January 2011 and December 2016 were retrieved from 6 databases (PubMed, EMBASE, Global Health, China National Knowledge Infrastructure, VIP Database for Chinese Technical Periodicals, and Wanfang Data Knowledge Service Medium). Comparable studies were included in a random-effects meta-analysis for both exclusive breastfeeding (EBF) and antenatal checks (ANC). Descriptive analyses were conducted for mHealth studies with a range of study designs. Results: Analyses of 245 studies were included, including 51 randomized controlled trials (RCTs). Results showed that there are increasing numbers of studies on mHealth interventions for RMNCH. Although 2 meta-analysis, one with 2 RCTs on EBF (odds ratio [OR] 2.03, 95% CI 1.34-3.08, I2=25%) and the other with 3 RCTs on ANC (OR 1.43, 95% CI 1.13-1.79, I2=78%), showed that mHealth interventions are more effective than usual care, almost half (43%) of RCTs showed negative or unclear results on mHealth interventions. Functions described in mHealth interventions were diverse, and the health stages covered were broad. However, single function or single stage appeared to be dominant among mHealth interventions compared with multiple functions or stages. Conclusions: More rigorous evaluations are needed to draw consistent conclusions and to analyze mHealth products with multiple functions, especially those popular in the app markets.
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 | 0,024 | 0,096 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,016 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 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 ».