A community health volunteer delivered problem-solving therapy mobile application based on the Friendship Bench ‘Inuka Coaching’ in Kenya: A pilot cohort study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Sub-Saharan Africa (SSA) has the largest care gap for common mental disorders (CMDs) globally, heralding the use of cost-cutting approaches such as task-shifting and digital technologies as viable approaches for expanding the mental health workforce. This study aims to evaluate the effectiveness of a problem-solving therapy (PST) intervention that is delivered by community health volunteers (CHVs) through a mobile application called 'Inuka coaching' in Kenya. METHODS: A pilot prospective cohort study recruited participants from 18 health centres in Kenya. People who self-screened were eligible if they scored 8 or higher on the Self-Reporting Questionnaire-20 (SRQ-20), were aged 18 years or older, conversant in written and spoken English, and familiar with the use of smart mobile devices. The intervention consisted of four PST mobile application chat-sessions delivered by CHVs. CMD measures were administered at baseline, 4-weeks (post-treatment), and at 3-months follow-up assessment. RESULTS: = 22) completed their 4-week assessments, and 52 participants completed their 3-month follow-up assessment. The results showed a significant improvement over time on the Self-Reporting Questionnaire-20 (SRQ-20). Higher-range income, not reporting suicidal ideation, being aged over 30 years, and being male were associated with higher CMD symptom reduction. CONCLUSION: To our knowledge, this report is the first to pilot a PST intervention that is delivered by CHVs through a locally developed mobile application in Kenya, to which clinically meaningful improvements were found. However, a randomised-controlled trial is required to robustly evaluate this intervention.
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.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découle