Using mobile phones to improve young people sexual and reproductive health in low and middle-income countries: a systematic review to identify barriers, facilitators, and range of mHealth solutions
Notice bibliographique
Résumé
BACKGROUND: Globally, reproductive health programs have used mHealth to provide sexual and reproductive health (SRH) education and services to young people, through diverse communication channels. However, few attempts have been made to systematically review the mHealth programs targeted to improve young people SRH in low-and-middle-income countries (LMICs). This review aims to identify a range of different mHealth solutions that can be used for improving young people SRH in LMICs and highlight facilitators and barriers for adopting mHealth interventions designed to target SRH of young people. METHODS: Databases including PubMed, CINAHL Plus, Science Direct, Cochrane Central, and grey literature were searched between January 01, 2005 and March 31, 2020 to identify various types of mHealth interventions that are used to improve SRH services for young people in LMICs. Of 2948 titles screened after duplication, 374 potentially relevant abstracts were obtained. Out of 374 abstracts, 75 abstracts were shortlisted. Full text of 75 studies were reviewed using a pre-defined data extraction sheet. A total of 15 full-text studies were included in the final analysis. RESULTS: The final 15 studies were categorized into three main mHealth applications including client education and behavior change communication, data collection and reporting, and financial transactions and incentives. The most reported use of mHealth was for client education and behavior change communication [n = 14, 93%] followed by financial transactions and incentives, and data collection and reporting Little evidence exists on other types of mHealth applications described in Labrique et al. framework. Included studies evaluated the impact of mHealth interventions on access to SRH services (n = 9) and SRH outcomes (n = 6). mHealth interventions in included studies addressed barriers of provider prejudice, stigmatization, discrimination, fear of refusal, lack of privacy, and confidentiality. The studies also identified barriers to uptake of mHealth interventions for SRH including decreased technological literacy, inferior network coverage, and lower linguistic competency. CONCLUSION: The review provides detailed information about the implementation of mobile phones at different levels of the healthcare system for improving young people SRH outcomes. This systematic review recommends that barriers to uptake mHealth interventions be adequately addressed to increase the potential use of mobile phones for improving access to SRH awareness and services. SYSTEMATIC REVIEW REGISTRATION: PROSPERO CRD42018087585 (Feb 5, 2018).
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 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,012 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».