mHealth use for non-communicable diseases care in primary health: patients’ perspective from rural settings and refugee camps
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Non-communicable diseases (NCDs) account for 85% of deaths in Lebanon and contribute to remarkable morbidity and mortality among refugees and underserved populations. This study assesses the perspectives of individuals with hypertension and/or diabetes in rural areas and Palestinian refugee camps towards a population based mHealth intervention called 'eSahha'. Methods: The study employs a mixed-methods design to evaluate the effectiveness of SMSs on self-reported perceptions of lifestyle modifications. Quantitative data was collected through phone surveys, and qualitative data through focus group discussions. Descriptive statistics and bivariate analysis were performed. Results: About 93.9% (n = 1000) of respondents perceived the SMSs as useful and easy to read and understand. About 76.9% reported compliance with SMSs through daily behavioral modifications. Women (P = 0.007), people aged ≥76 years (P < 0.001), unemployed individuals (P < 0.001), individuals who only read and write (P < 0.001) or those who are illiterate (P < 0.001) were significantly more likely to receive and not read the SMSs. Behavior change across settings was statistically significant (P < 0.001). Conclusion: While SMS-based interventions targeting individuals with hypertension and/or diabetes were generally satisfactory among those living in rural areas and Palestinian refugee camps in Lebanon, a more tailored approach for older, illiterate and unemployed individuals is needed. Keywords: e-health, refugees.
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.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découle