Population health surveillance using mobile telephone surveys in low- and middle-income countries: methodology and sample representativeness of a behavioural risk factor survey of live poultry exposure in Bangladesh
Notice bibliographique
Résumé
Abstract Background In low- and middle-income countries (LMICs), population-based health surveys are typically conducted using face-to-face household interviews. However, telephone-based surveys are cheaper, faster, and can provide greater access to hard to reach or remote populations. The rapid growth in mobile telephone ownership in LMICs provides a unique opportunity to implement novel data collection methods for population health surveys. This study describes the methodology, development, and population representativeness of a mobile telephone survey measuring live poultry exposure in urban Bangladesh. Methods A population-based cross-sectional mobile telephone survey was conducted between September and November 2019 in North and South Dhaka City Corporations (DCC), Bangladesh to measure live poultry exposure using a stratified probability sampling design. Data were collected using a computer-assisted telephone interview (CATI) platform. Call operational data were summarized, and participant data were weighted by age, sex, and education to the 2011 census. Demographic distributions of the weighted sample were compared with external sources to assess population representativeness. Results A total of 5486 unique mobile telephone numbers were dialled, with 1047 respondents completing the survey. The survey had an overall response rate of 52.4% and a cooperation rate of 89.0%. Initial results comparing the socio-demographic profile of the survey sample to the census population showed that mobile telephone sampling slightly underrepresented older individuals and overrepresented those with higher secondary education. After weighting, the demographic profile of the sample population was well matched to the latest DCC census population profile. Conclusions Probability-based mobile telephone survey sampling and data collection methods produced a population-representative sample with minimal adjustment in DCC, Bangladesh. Mobile telephone-based surveys can offer an efficient, economic, and robust way to conduct surveillance for population health outcomes, which has important implications for improving population health surveillance in LMICs.
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 | 0,243 | 0,090 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».