MétaCan
Menu
Retour à la cohorte
Enregistrement W3156609853 · doi:10.2196/23874

Formative Study of Mobile Phone Use for Family Planning Among Young People in Sierra Leone: Global Systematic Survey

2021· article· en· W3156609853 sur OpenAlexvenueno aff
Emeka Chukwu, Sonia Gilroy, Kojo Addaquay, Nki Nafisa Jones, Victor Gbadia Karimu, Lalit Garg, Kim Dickson

Notice bibliographique

RevueJMIR Formative Research · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesDepartment for International Development
Mots-clésSierra leoneFocus groupPsychological interventionmHealthMobile phoneFormative assessmentBehavior change communicationFamily planningReproductive healthMedical educationPsychologyMedicineEnvironmental healthNursingComputer scienceSocioeconomicsBusinessPopulationSociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Teenage pregnancy remains high with low contraceptive prevalence among adolescents (aged 15-19 years) in Sierra Leone. Stakeholders leverage multiple strategies to address the challenge. Mobile technology is pervasive and presents an opportunity to reach young people with critical sexual reproductive health and family planning messages. OBJECTIVE: The objectives of this research study are to understand how mobile health (mHealth) is used for family planning, understand phone use habits among young people in Sierra Leone, and recommend strategies for mobile-enabled dissemination of family planning information at scale. METHODS: This formative research study was conducted using a systematic literature review and focus group discussions (FGDs). The literature survey assessed similar but existing interventions through a systematic search of 6 scholarly databases. Cross-sections of young people of both sexes and their support groups were engaged in 9 FGDs in an urban and a rural district in Sierra Leone. The FGD data were qualitatively analyzed using MAXQDA software (VERBI Software GmbH) to determine appropriate technology channels, content, and format for different user segments. RESULTS: Our systematic search results were categorized using Grading of Recommended Assessment and Evaluation (GRADE) into communication channels, audiovisual messaging format, purpose of the intervention, and message direction. The majority of reviewed articles report on SMS-based interventions. At the same time, most intervention purposes are for awareness and as helpful resources. Our survey did not find documented use of custom mHealth apps for family planning information dissemination. From the FGDs, more young people in Sierra Leone own basic mobile phones than those that have feature capablilities or are smartphone. Young people with smartphones use them mostly for WhatsApp and Facebook. Young people widely subscribe to the social media-only internet bundle, with the cost ranging from 1000 leones (US $0.11) to 1500 leones (US $0.16) daily. Pupils in both districts top-up their voice call and SMS credit every day between 1000 leones (US $0.11) and 5000 leones (US $0.52). CONCLUSIONS: mHealth has facilitated family planning information dissemination for demand creation around the world. Despite the widespread use of social and new media, SMS is the scalable channel to reach literate and semiliterate young people. We have cataloged mHealth for contraceptive research to show SMS followed by call center as widely used channels. Jingles are popular for audiovisual message formats, mostly delivered as either push or pull only message directions (not both). Interactive voice response and automated calls are best suited to reach nonliterate young people at scale.

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)0,058
score de la tête « metaresearch » (Gemma)0,110
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,309

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0580,110
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,005
Bibliométrie0,0140,011
Études des sciences et des technologies0,0020,002
Communication savante0,0020,003
Science ouverte0,0020,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,182
Tête enseignante GPT0,538
Écart entre enseignants0,356 · 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207