MétaCan
Menu
Retour à la cohorte
Enregistrement W3157376323 · doi:10.2196/15419

Evaluating the Feasibility and Acceptability of a Mobile Health–Based Female Community Health Volunteer Program for Hypertension Control in Rural Nepal: Cross-Sectional Study

2019· article· en· W3157376323 sur OpenAlexvenueno aff
Zhao Ni, Namratha Atluri, Ryan J. Shaw, Jingru Tan, Kinza Khan, Helena Merk, Yunfan Ge, Shrinkhala Shrestha, Abha Shrestha, Lavanya Vasudevan, Biraj Karmacharya, Lijing L. Yan

Notice bibliographique

RevueJMIR mhealth and uhealth · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Advancing Translational Sciences
Mots-clésMedicineCommunity healthHealth careEnvironmental healthHealth educationRural areaPopulationRural healthDeveloping countryPublic healthFamily medicineGerontologyNursingEconomic growth

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Hypertension is a major modifiable risk factor for cardiovascular disease, the world's leading cause of death. The prevalence of hypertension is disproportionately higher in South Asian countries than in other regions of the world. Screening for hypertension in primary care settings remains a challenge in many South Asian countries, including Nepal. Nepal is located in the Himalayan Mountains region, posing significant geographical challenges for its rural citizens to access primary health care and service delivery. This barrier increases the costs and inconvenience for rural Nepalis to access hypertension screening and treatment. As a result, the prevalence of hypertension in Nepal tripled in the last 25 years to 22.4%-38.6%. Nepal's Ministry of Health and Population relies on female community health volunteers to link health centers and communities to provide basic health services. Over 50,000 of these volunteers in Nepal have received basic health care training and are assigned to take care of maternal and child health. Due to limited health care resources, adopting new methods to control hypertension is an urgent need in Nepal. Several recent studies in Nepal have recommended extending the role of female community health volunteers to include hypertension management through blood pressure monitoring and home-based education. OBJECTIVE: The goal of this study was to assess if a mobile health-based female community health volunteer approach of combining the traditional community health volunteer program with digital technologies would be feasible and acceptable in rural Nepal. METHODS: In this study, we recruited 17 female community health volunteers and extended their role from maternal and child health to hypertension management through screening blood pressures. RESULTS: All 17 female community health volunteers successfully measured 1113 rural Nepalis' blood pressures, identified 169 hypertensive patients, and collected health behaviors data of the 169 hypertensive patients. Among the 169 patients, 70% of them had a mobile phone, and 92% were interested in receiving health-related information via a mobile phone. Among those who were interested in receiving information via a mobile phone, 84% preferred voice calls, and 7% and 1% preferred texting and apps, respectively. CONCLUSIONS: Results from this study indicate that a digital health intervention that leverages feature-phones combined with female community health volunteers may be an acceptable and pragmatic way to implement an evidence-based program to reduce hypertension in rural Nepal.

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)0,006
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,219
Tête enseignante GPT0,563
Écart entre enseignants0,344 · 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

Citations22
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207