Assessing the perspectives of users and beneficiaries of a community health worker mHealth tracking system for mothers and children in Rwanda
Notice bibliographique
Résumé
INTRODUCTION: Mobile Health (mHealth) programs have increasingly been used to tackle maternal and child health problems in low and middle income countries. However, few studies have evaluated how these programs have been perceived by intended users and beneficiaries. Therefore, we explored perceptions of healthcare officials and beneficiaries regarding RapidSMS Rwanda, an mHealth system used by Community Health Workers (CHWs) that was scaled up nationwide in 2013. METHODS: We conducted key informant interviews and focus group discussions with key stakeholders, providers, and beneficiaries of maternal and child health services at both the national and community levels. Semi-structured interviews were used to assess perceptions about the impact of and challenges facing the RapidSMS system. Interviews and focus group discussions were recorded (with the exception of one), transcribed verbatim, and analyzed. RESULTS: We conducted a total of 28 in-depth interviews and 10 focus group discussions (93 total participants). A majority of respondents believed that RapidSMS contributed to reducing maternal and child mortality rates. RapidSMS was generally accepted by both CHWs and parents. Participants identified insufficient training, a lack of equipment, and low CHW motivation as the main challenges facing RapidSMS. CONCLUSION: Our findings suggest that an mHealth program can be well accepted by both policymakers, health providers, and the community. We also found significant technical challenges that have likely reduced its impact. Addressing these challenges will serve to strengthen future mHealth programs.
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 | 0,008 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».