Connected diagnostics: linking digital rapid diagnostic tests and mobile health wallets to diagnose and treat brucellosis in Samburu, Kenya
Notice bibliographique
Résumé
BACKGROUND: Despite WHO guidelines for testing all suspected cases of malaria before initiating treatment, presumptive malaria treatment remains common practice among some clinicians and in certain low-resource settings the capacity for microscopic testing is limited. This can lead to misdiagnosis, resulting in increased morbidity due to lack of treatment for undetected conditions, increased healthcare costs, and potential for drug resistance. This is particularly an issue as multiple conditions share the similar etiologies to malaria, including brucellosis, a rare, under-detected zoonosis. Linking rapid diagnostic tests (RDTs) and digital test readers for the detection of febrile illnesses can mitigate this risk and improve case management of febrile illness. METHODS: This technical advance study examines Connected Diagnostics, an approach that combines the use of point-of-care RDTs for malaria and brucellosis, digitally interpreted by a rapid diagnostic test reader (Deki Reader) and connected to mobile payment mechanisms to facilitate the diagnosis and treatment of febrile illness in nomadic populations in Samburu County, Kenya. Consenting febrile patients were tested with RDTs and patient diagnosis and risk information were uploaded to a cloud database via the Deki Reader. Patients with positive diagnoses were provided digital vouchers for transportation to the clinic and treatment via their health wallet on their mobile phones. RESULTS: In total, 288 patients were tested during outreach visits, with 9% testing positive for brucellosis and 0.6% testing positive for malaria. All patients, regardless of diagnosis were provided with a mobile health wallet on their cellular phones to facilitate their transport to the clinic, and for patients testing positive for brucellosis or malaria, the wallet funded their treatment. The use of the Deki Reader in addition to quality diagnostics at point of care also facilitated geographic mapping of patient diagnoses in relation to key risk areas for brucellosis transmission. CONCLUSIONS: This study demonstrates that the Connected Dx approach can be effective even when addressing a remote, nomadic population and a rare disease, indicating that this approach to diagnosing, treatment, and payment for healthcare costs is feasible and can be scaled to address more prevalent diseases and conditions in more populous contexts.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».