Identifying Barriers and Facilitators of 13 mHealth Projects in North America and Africa: Protocol for a 5-Year Implementation Science Study
Notice bibliographique
Résumé
BACKGROUND: Although many mHealth interventions have shown efficacy in research, few have been effectively implemented and sustained in real-world health system settings. Despite this programmatic gap, there is limited conclusive evidence identifying the factors that affect the implementation and successful integration of mHealth into a health system. OBJECTIVE: The aim of this study is to examine the individual, organizational, and external level factors associated with the effective implementation of WelTel, an mHealth intervention designed to support outpatient medication adherence and engagement in care in Africa and North America. METHODS: We will adopt the Consolidated Framework for Implementation Research (CFIR) constructs for evaluation of mHealth implementation including a scoring and monitoring system. We will apply the adapted tool to identify facilitators and barriers to implementation of the WelTel mHealth intervention in order to determine how the technology platform is perceived, diffused, adapted, and used by different mHealth project teams and health system actors in Africa and North America. We will use a mixed-methods approach to quantitatively test whether the factors identified in the CFIR framework are associated with the successful uptake of the mHealth intervention toward implementation goals. We will triangulate these data through interviews and focus group discussion with project stakeholders, exploring factors associated with successful implementation and sustainment of these interventions. RESULTS: The development of the customized CFIR is finalized and currently is in pilot testing. The initial results of the use of the tool in those 13 implementations will be available in 2019. Continuous conference and peer- reviewed publications will be published in the coming years. CONCLUSIONS: The results of this study will provide an in-depth understanding of individual, organizational, and external level factors that influence the successful implementation of mHealth in different health systems and geographic contexts over time. Via the tool's unique scoring system connected to qualitative descriptors, these data will inform the most critical implementation targets and contribute to the tailoring of strategies that will assist the health system in overcoming barriers to implementation, and ultimately, improve treatment adherence and engagement in care. REGISTERED REPORT IDENTIFIER: RR1-10.2196/9633.
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 | 0,098 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,005 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,008 | 0,004 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,052 | 0,011 |
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 ».