MétaCan
Menu
Retour à la cohorte
Enregistrement W2809121350 · doi:10.2196/mhealth.9033

Assessing the Cross-Cultural Adaptation and Translation of a Text-Based Mobile Smoking Cessation Program in Samoa (TXTTaofiTapaa): Pilot Study

2018· article· en· W2809121350 sur OpenAlexvenueno aff
Judith McCool, Helen Tanielu, Elaine Umali, Robyn Whittaker

Notice bibliographique

RevueJMIR mhealth and uhealth · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensnon disponible
Organismes subventionnairesHealth Research Council of New ZealandNew Zealand Foreign Affairs and Trade
Mots-clésSmoking cessationAdaptation (eye)Cross-culturalMedicinePsychologyComputer scienceSociologyAnthropology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Samoa faces a persistently high prevalence of adult tobacco use and few existing cessation support services. Mobile phones are ubiquitous and generally affordable. OBJECTIVE: This study aimed to adopt a text message (short message service, SMS) smoking cessation program designed in New Zealand (stop smoking with mobile phones, STOMP) for use in Samoa to assist national objectives in reducing the tobacco use. METHODS: Using focus groups with smokers and ex-smokers, we explored the context for tobacco use and preferences for SMS text messages. Postintervention focus groups were held after participants received SMS text messages for 1 week. Frequent face-to-face meetings with the primary partner (Ministry of Health Samoa) and key stakeholders contributed to the adaptation process. Participatory feedback and collaboration from stakeholders became an integral part of the cultural adaptation and translation of the program. Furthermore, detailed document analyses were included as part of the formal evaluation of the initiative to explore the core determinants of success in adapting the program to the Samoan cultural context. RESULTS: The SMS text messages evolved remarkably following an iterative process of consultation, in situ testing, revision, and retesting to arrive at an acceptable country-specific version of the mobile smoking cessation program. The SMS text messages retained in the final set were consistent with the theory of behavioral change but reflected both linguistic and cultural nuances appropriate for Samoa. Adapting messages required simultaneous multilevel processes, including complex high-level engagement, between the team and the stakeholders, along with crafting the precise content for (character limited) messages. CONCLUSIONS: Receiving cessation support messages through a mobile phone is promising and appears to be an acceptable and accessible mode of delivery for tobacco cessation, particularly in the absence of alternative support. Adapting a text-based program in Samoa requires fastidious attention to the nuances of culture, language, and sociopolitical structures in the country.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,025
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,167
Tête enseignante GPT0,482
Écart entre enseignants0,315 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetSmoking Behavior and CessationTravaux en français237 207