The Mobile Alliance for Maternal Action Text Message–Based mHealth Intervention for Maternal Care in South Africa: Qualitative User Study
Notice bibliographique
Résumé
BACKGROUND: Using mobile technology to support health care (mobile health [mHealth]) has been shown to improve health outcomes across a multitude of health specialties and across the world. Exploring mHealth user experiences can aid in understanding how and why an intervention was successful. The Mobile Alliance for Maternal Action (MAMA) was a free maternal mHealth SMS text messaging service that was offered to pregnant women in Johannesburg, South Africa, with the goal of improving maternal, fetal, and infant health outcomes. We conducted focus group discussions with MAMA users to learn about their experiences with the program. OBJECTIVE: The aim of this qualitative study was to gather opinions of participants of the MAMA maternal mHealth service regarding health care atmosphere, intervention use, and intervention feedback. METHODS: Prenatal and postnatal women (N=15) from public antenatal and postnatal care sites in central Johannesburg who were receiving free maternal health text messages (MAMA) participated in 3 focus group discussions. Predefined discussion topics included personal background, health care system experiences, MAMA program recruitment, acceptability, participant experiences, and feedback. RESULTS: The feedback regarding experiences with the health system were comprised of a few reports of positive experiences and many more reports of negative experiences such as long wait times, understaffed facilities, and poor service. Overall acceptability for the maternal text message intervention was high. Participants reflected that the messages were timely, written clearly, and felt supportive. Participants also reported sharing messages with friends and family. CONCLUSIONS: These findings suggest that maternal mHealth interventions delivered through text messages can provide timely, relevant, useful, and supportive information to pregnant women and new mothers especially in settings where there may be mistrust of the health care system.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».