A mobile digital technology (Fionet™) to improve accuracy, completeness and timeliness of research data compared with a non-digital system in Kenya
Notice bibliographique
Résumé
The World Health Organization’s Global Malaria Program implemented a multi-country study to assess the entomological and epidemiological impact of long-lasting insecticide treated nets (LLINs) and indoor residual spray (IRS). Study activities included home visits to perform a LLIN survey and malaria testing of children in the household. In Kenya, Fionet™, a technology for automated malaria Rapid Diagnostic Test (mRDT) processing and interpretation at point-of-care, was evaluated against traditional paper-based methods and manual mRDT processing. Objective: To measure and compare the accuracy of diagnosis, completeness, and timeliness of data transmission between a digital mobile solution (Fionet™) and a paper-based system. Methodology: A randomised cluster sampling design of two cohorts: 1) an Active Infection Detection cohort, and 2) an Active Case Detection cohort was undertaken between November 2013 and April 2014. Community Health Workers (CHWs) visited rural households to: 1) measure malaria prevalence in children under the age of five using mRDTs, and 2) survey the use and physical status of LLINs in the household. Ten clusters were randomly assigned to Fionet™ to perform automated testing, interpretation, and survey data capture. Fionet™ transmitted all the tests and survey data to a cloud-based database. Results: A total of 1770 households were visited, 437 children tested, and 742 LLINs inspected. Fionet™ significantly improved the quality of data gathered; a two-fold increase in adherence to study protocols using Fionet™ resulted in more accurate data, data completeness was 10 times higher than with paper-based collection methods, and 87% of data were available in less than one day. Fionet™ significantly improved data quality and management, which enhanced the health system’s ability to meet the research objectives. This technology can help ensure accurate, complete, and timely availability of data. Future studies should incorporate mobile technologies such as Fionet™ to improve RDT based diagnostics of malaria and data quality.
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 | 0,008 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».