Evaluating the Effect of Using Mobile Phone Reminders on the Adherence to Children and Young Adults With Type 1 Diabetes Attending Outreach Appointments
Notice bibliographique
Résumé
Effective management of Type 1 Diabetes Mellitus (T1DM) requires that people living with the condition attend regular clinical visits. The Rwanda Diabetes Association (RDA) asks young T1DM patients to attend quarterly outreach visits, and prior to the visits, RDA issues reminders via local radio stations. However, adherence in attending clinical appointments has remained low.Since Rwanda has a high mobile phone penetration rate, a pilot intervention study was conducted exploring the use of mobile phone call reminders and Short Message Service (SMS) messages to increase T1DM patients’ attendance of RDA’s quarterly outreach visits. The control group was exposed to only the regular radio broadcast, while the intervention group received reminder phone calls or SMS messages 72 hours prior to their appointments in addition to the regular radio broadcast.The attendance rate was significantly different between the 14 control patients and 35 intervention patients, with 23.3% (3/14) and 76.7% (27/35) attending visits, respectively (P=0.048). The results suggest that using mHealth methods (phone call/SMS reminders) can be effective in improving health outcomes, improving the adherence of T1DM patients to follow-up visits with minimal added cost. The total cost was 0.37 USD per person, compared to potential 672.40 USD for each lost treatment, indicating the intervention is cost-effective in that it minimizes loss to follow up in resource-limited settings. Further research is needed to evaluate the feasibility of scaling up the pilot project and to understand whether improved attendance is sustained long-term.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».