MétaCan
Menu
Retour à la cohorte
Enregistrement W2898840845 · doi:10.2196/11039

A Short Message Service Intervention for Improving Infant Feeding Practices in Shanghai, China: Planning, Implementation, and Process Evaluation

2018· article· en· W2898840845 sur OpenAlexvenueno aff
Hong Jiang, Mu Li, Li Ming Wen, Louise A. Baur, Gengsheng He, Xiaoying Ma, Xu Qian

Notice bibliographique

RevueJMIR mhealth and uhealth · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesShanghai Municipal Health Bureau
Mots-clésShort Message ServicemHealthBreastfeedingIntervention (counseling)Psychological interventionService (business)Formative assessmentNursingMedicineMedical educationInternet privacyPsychologyComputer scienceBusinessTelecommunicationsPediatrics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Although mobile health (mHealth) has been widely applied in health care services, few studies have reported the detailed process of the development and implementation of text messaging (short message service, SMS) interventions. OBJECTIVE: Our study aims to demonstrate the process and lessons learned from a community-based text messaging (SMS) intervention for improving infant feeding in Shanghai, China. METHODS: The intervention included planning and development, implementation, and process evaluation. A 3-phase process was adopted during planning and development: (1) a formative study with expectant and new mothers to explore the barriers of appropriate infant feeding practices; (2) a baseline questionnaire survey to understand potential intervention approaches; and (3) development of the text message bank. The text messaging intervention was delivered via a computer-based platform. A message bank was established before the start of the intervention containing information on the benefits of breastfeeding, preparing for breastfeeding, early initiation of breastfeeding, timely introduction of complementary foods, and establishing appropriate feeding practices, etc. An expert advisory committee oversaw the content and quality of the message bank. Process evaluation was conducted through field records and qualitative interviews with participating mothers. RESULTS: We found that the text messaging intervention was feasible and well received by mothers because of its easy and flexible access. The weekly based message frequency was thought to be appropriate, and the contents were anticipatory and trustworthy. Some mothers had high expectations for timely response to inquiries. Occasionally, the text messages were not delivered due to unstable telecommunication transmission. Mothers suggested that the messages could be more personalized. CONCLUSIONS: This study demonstrates the feasibility and value of text messaging intervention in filling gaps in delivering health care services and promoting healthy infant feeding practices in settings where personal contact is limited.

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)0,016
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,008
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,144
Tête enseignante GPT0,566
Écart entre enseignants0,422 · 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'étudeObservationnel
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

Citations28
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207