MétaCan
Menu
← Retour à la cohorte
Enregistrement W3162958025 · doi:10.21203/rs.3.rs-491310/v1

Implementation Research for the Evaluation of the Child Health Education and Surveillance Tool Application

2021· preprint· en· W3162958025 sur OpenAlexfundno aff
Christopher Westgard

Notice bibliographique

RevueResearch Square · 2021
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesGlobal Affairs CanadaGrand Challenges CanadaGovernment of Canada
Mots-clésIntervention (counseling)FidelityMedicineSanitationMedical educationNursingKnowledge managementComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Community health agent programs and modern information and communication technology can greatly improve knowledge of healthy childrearing practices by caregivers in low resource settings, if implemented effectively. Improved knowledge by caregivers can lead to better sanitation, diet, and child development practices. A digital health tool (CHEST App) was developed and deployed in a community health agent program in the Amazon of Peru to improve community health agent performance and ultimately improve early childhood development in the communities. This study presents the results of and evaluation of the implementation and clinical outcomes of the program. METHODS The CHEST App intervention was evaluated using a Hybrid Type II evaluation study design. The effectiveness of the intervention was determined by conducted a paired t-test analysis to compare the mean differences in knowledge scores, hemoglobin levels, early childhood development (ECD) scores, and incidence of diarrhea. The evaluation of the implementation outcomes was conducted with a mixed method approach to identify the extent to which the intervention was successfully installed into the local CHA program. The results of the study are presented within the framework of the Implementation Research Logic Model. RESULTS The CHEST App intervention is associated with improvements in knowledge scores, hemoglobin levels, ECD scores, and decreased diarrhea. However, the evaluation could not isolate the effect of the intervention due to reduction in sample size from COVID-19 closures. The implementation of the CHEST App intervention was effective with high degrees of acceptability, adoption, and fidelity. Adoption and fidelity of the surveillance function of the CHEST App by program coordinators was not achieved. CONCLUSION The CHEST App intervention is a promising tool to improve the performance of CHAs during their home visits, to accomplish their objective of teaching caregivers healthy childrearing practices and improving child health and development in their communities. Trial Registration Trial registered on 11/29/2018 at ISRCTN43591826.

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)0,157
score de la tête « metaresearch » (Gemma)0,119
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 enseignants0,157
Score d'incertitude au seuil0,829

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1570,119
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,317
Tête enseignante GPT0,666
Écart entre enseignants0,349 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetMobile Health and mHealth Applications→Travaux en français237 207→