Technology-Based Innovative Solutions for Improving Perinatal Care Utilization: A Network Meta-Analysis
Notice bibliographique
Résumé
Abstract Background: Technology-based interventions (TBIs) are widely being tested to integrate into the existing health system to increase preventative healthcare utilizations. Despite an uptake of TBIs, evidence remains inconclusive regarding its effectiveness due to a lack of comprehensive and concrete evaluations. This study aims to evaluate the impact and effectiveness of TBIs in improving antenatal visits, postnatal visits, and delivery care services in LMICs using Bayesian network meta-analysis. Methods: To identify the relevant studies, we will perform a comprehensive search of electronic databases and grey literatures with no language or publication date restriction. We will include experimental studies if they assess effectiveness of TBIs on improving perinatal care utilization among pregnant women. The primary outcomes are antenatal visits, postnatal visits, and delivery care. Two reviewers will independently identify eligible study and perform data extraction and quality assessment. We will use Bayesian meta-analysis to summarize the effect size of individual interventions for each outcome separately. In addition, Bayesian network meta-analyses will be used to pool the direct and indirect effects of all possible comparisons and to provide a hierarchy of all interventions for our primary outcomes. Furthermore, we will assess publication bias and certainty of evidence by GRADE approach for NMA.Discussion: The findings of this review will fill the gaps in evidence by synthesizing the impact of TBIs on a comprehensive range of reported outcomes in antenatal, postnatal, and delivery care. Furthermore, our meta-analyses will further guide policymakers or stakeholders on the potential use of TBIs in given contexts. Systematic review registration: PROSPERO Protocol ID CRD42019137331
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 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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,018 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».