Short message service (SMS) reminders for childhood immunisation in low-income and middle-income countries: a systematic review and meta-analysis
Notice bibliographique
Résumé
Introduction Childhood vaccine delivery services in the low- and middle-income countries (LMIC) are struggling to reach every child with lifesaving vaccines. Short message service (SMS) reminders have demonstrated positive impact on a number of attrition-prone healthcare delivery services. We aimed to evaluate the effectiveness of SMS reminders in improving immunisation coverage and timeliness in LMICs. Methods PubMed, Embase, Scopus, Cochrane CENTRAL, CINAHL, CNKI, PsycINFO and Web of Science including grey literatures and Google Scholar were systematically searched for randomised controlled trials (RCTs) and non-RCTs that evaluated the effect of SMS reminders on childhood immunisation and timeliness in LMICs. Risk of bias was assessed using the Cochrane Risk of Bias 2.0 assessment tool for RCTs and Cochrane Risk of Bias in Non-randomised Studies of Interventions tool for non-RCTs. Meta-analysis was conducted using random-effects models to generate pooled estimates of risk ratio (RR). Results 18 studies, 13 RCTs and 5 non-RCTs involving 32 712 infants (17 135 in intervention groups and 15 577 in control groups) from 11 LMICs met inclusion criteria. Pooled estimates showed that SMS reminders significantly improved childhood immunisation coverage (RR=1.16; 95% CI: 1.10 to 1.21; I 2 =90.4%). Meta-analysis of 12 included studies involving 25 257 infants showed that SMS reminders significantly improved timely receipt of childhood vaccines (RR=1.21; 95% CI: 1.12 to 1.30; I 2 =87.3%). Subgroup analysis showed that SMS reminders are significantly more effective in raising childhood immunisation coverage in lower middle-income and low-income countries than in upper middle-income countries (p<0.001) and sending more than two SMS reminders significantly improves timely receipt of childhood vaccines than one or two SMS reminders (p=0.040). Conclusion Current evidence from LMICs, although with significant heterogeneity, suggests that SMS reminders can contribute to achieving high and timely childhood immunisation coverage. PROSPERO registration number CRD42021225843.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| Bibliométrie | 0,000 | 0,003 |
| 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 ».