Developing Culturally Sensitive mHealth Apps for Caribbean Immigrant Women to Use During Pregnancy: Focus Group Study
Notice bibliographique
Résumé
BACKGROUND: A valuable addition to the mobile health (mHealth) space is an exploration of the context of minorities in developed countries. The transition period postmigration, culture, and socioeconomic uniqueness of migratory groups can shed light on the problems with existing prenatal mHealth apps. OBJECTIVE: The objectives of this study were to (1) use the theoretical concept of pregnancy ecology to understand the emotional, physical, information, and social challenges affecting low-income Caribbean immigrant women's prenatal well-being practices and (2) develop a deep understanding of challenges worthy of consideration in mHealth design for these women. METHODS: This qualitative interpretive approach using analytical induction presents the findings of 3 focus group sessions with 12 Caribbean immigrant women living in South Florida in the United States. The study took place from April to September 2015. RESULTS: The participants revealed problematic tiers and support needs within the pregnancy ecology including emotional stressors caused by family separation, physical challenges, information gaps, and longing for social support. CONCLUSIONS: mHealth interventions for low-income Caribbean immigrant women must be designed beyond the conventional way of focusing on the events surrounding the unborn child. It can be tailored to the needs of the expecting mother. Pregnancy information should be customized on the basis of the variability of lifestyle, cultural practices, socioeconomic status, and social ties while still being able to deliver appropriate guidelines and clear cultural misconceptions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,005 | 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 | 0,000 |
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 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 ».