Evaluation of an mHealth tool to improve nutritional assessment among infants under 6 months in paediatric development clinics in rural Rwanda: Quasi‐experimental study
Notice bibliographique
Résumé
Infants born preterm, low birthweight or with other perinatal complications require frequent and accurate growth monitoring for optimal nutrition and growth. We implemented an mHealth tool to improve growth monitoring and nutritional status assessment of high risk infants. We conducted a pre-post quasi-experimental study with a concurrent control group among infants enrolled in paediatric development clinics in two rural Rwandan districts. During the pre-intervention period (August 2017-January 2018), all clinics used standard paper-based World Health Organization (WHO) growth charts. During the intervention period (August 2018-January 2019), Kirehe district adopted an mHealth tool for child growth monitoring and nutritional status assessment. Data on length/height; weight; length/height-for-age (L/HFA), weight-for-length/height (WFL/H) and weight-for-age (WFA) z-scores; and interval growth were tracked at each visit. We conducted a 'difference-in-difference' analysis to assess whether the mHealth tool was associated with greater improvements in completion and accuracy of nutritional assessments and nutritional status at 2 and 6 months of age. We observed 3529 visits. mHealth intervention clinics showed significantly greater improvements on completeness for corrected age (endline: 65% vs. 55%; p = 0.036), L/HFA (endline: 82% vs. 57%; p ≤ 0.001), WFA (endline: 93% vs. 67%; p ≤ 0.001) and WFL/H (endline: 90% vs. 59%; p ≤ 0.001) z-scores compared with control sites. Accuracy of growth monitoring did not improve. Prevalence of stunting, underweight and inadequate interval growth at 6-months corrected age decreased significantly more in the intervention clinics than in control clinics. Results suggest that integrating mHealth nutrition interventions is feasible and can improve child nutrition outcomes. Improved tool design may better promote accuracy.
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 | 0,018 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».