Development of a Video-Observed Therapy System to Improve Monitoring of Tuberculosis Treatment in Thailand: Mixed-Methods Study
Notice bibliographique
Résumé
BACKGROUND: Directly observed therapy programs for monitoring tuberculosis (TB) treatment in Thailand are unsustainable, especially during the COVID-19 pandemic. The current video-observed therapy (VOT) system, the Thai VOT (TH VOT), was developed to replace the directly observed therapy program. OBJECTIVE: This study aimed to describe the VOT system design and identify the potential for system improvements. METHODS: This pilot study was conducted in Na Yong district, a small district in Trang province, south of Thailand. The TH VOT system consists of a smartphone app for patients, a secured web-based platform for staff, items used, and standard operating procedures. There were three groups of users: observers who were TB staff, healthy volunteers as simulated patients, and patients with active TB. All participants were trained to follow the standard operating procedures. After 2-week usage, VOT session records were analyzed to measure the compliance of the patients and observers. The User Experience Questionnaire was used to lead the participant users to focus on 6 standard dimensions of usability, and was supplemented with an in-depth interview to identify potential system improvements from users' experience. RESULTS: Only 2 of 16 patients with currently active TB had a usable smartphone. Sixty of 70 drug-taking sessions among 2 patients and 3 simulated patients in 2 weeks were recorded and uploaded. Only 37 sessions were inspected by the observers within 24 hours. All participants needed a proper notification system. An audit system was also requested. CONCLUSIONS: Before upscaling, the cost of smartphone lending, audit management, and notification systems should be elucidated.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».