MétaCan
Menu
Retour à la cohorte
Enregistrement W3048457028 · doi:10.1080/16549716.2020.1796346

Sexual and reproductive health mobile apps: results from a cross-sectional values and preferences survey to inform World Health Organization normative guidance on self-care interventions

2020· article· en· W3048457028 sur OpenAlexaff
Carmen H. Logie, Moses Okumu, Heather Abela, David Wilson, Manjulaa Narasimhan

Notice bibliographique

RevueGlobal Health Action · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesWorld Health Organization
Mots-clésPsychological interventionReproductive healthReferralHealth careGuidelineMedicineCross-sectional studyNursingFamily medicineMedical educationPsychologyEnvironmental healthPolitical sciencePopulation

Résumé

récupéré en direct d'OpenAlex

Mobile application (app) platforms have the potential to advance sexual and reproductive health (SRH). Yet there is a dearth of knowledge regarding global perspectives from healthcare providers on how SRH mobile apps are being leveraged in their healthcare practice. In 2019 the World Health Organization (WHO) developed a consolidated guideline on self-care interventions for SRH. To inform this guideline, we conducted a global values and preferences survey. This study aimed to (a) understand the awareness, access, and uptake of SRH mobile apps; (b) examine how many healthcare provider (HCP) participants provided linkages, referrals and information to clients regarding SRH mobile apps; and (c) among HCP, assess how many felt confident and informed regarding SRH mobile apps. We hosted a cross-sectional web-based survey on the WHO Department of Reproductive Health and Research website and shared the survey with SRHR listservs. There were 825 survey participants, 360 whom identified as healthcare providers (HCP). Approximately one-third of HCP participants had provided a referral/information to their clients about sexual or reproductive health apps. While 40.8% of HCP felt confident and informed about sexual health apps, half (47.4%) reported needing more information, and 15.6% expressed interest in receiving training to use in practice. While 42.6% of HCPs felt confident and informed about reproductive health apps, 45.7% needed more information, and 15.1% were interested in further training. There was also an open-ended question for HCP to share their thoughts about self-care SRH interventions. Specifically regarding SRH apps, HCP responses revealed the importance of considering: (a) security and confidentiality; (b) potential benefits of SRH apps for underserved groups (i.e. youth, rural communities); (c) community engagement; (d) health benefits; and (e) and online training for HCP on SRH mobile apps. Findings signal interest and opportunities for training and engaging HCP in using mobile apps to advance SRH.

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)0,008
score de la tête « metaresearch » (Gemma)0,013
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,123
Tête enseignante GPT0,490
Écart entre enseignants0,367 · 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

Citations27
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Health ActionMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207