Exploring digital health interventions to support community health workers in low-and-middle-income countries during the COVID-19 pandemic: a scoping review protocol
Notice bibliographique
Résumé
INTRODUCTION: COVID-19 has significantly affected community health workers' (CHWs) performance as they are expected to perform pandemic-related tasks along with routine essential healthcare services. A plausible way to optimise CHWs' functioning during this pandemic is to couple the efforts of CHWs with digital tools. So far, no systematic evidence is available on the use of digital health interventions to support CHWs in low-middle-income countries (LMICs) amid the COVID-19 pandemic. The article describes a protocol for a scoping review of primary research studies that aim to map evidence on the use of unique digital health interventions to support CHWs during COVID-19 in LMICs. METHODS AND ANALYSIS: and the Joanna Briggs Institute. Our search strategy has been developed for the following four main electronic databases: Excerpta Medica Database, Medical Literature Analysis and Retrieval System Online, Cochrane Central Register of Controlled Trials and Cumulated Index to Nursing and Allied Health Literature. Google Scholar and reference tracking will be used for supplementary searches. Each article will be screened against eligibility criteria by two independent researchers at the title and abstract and full-text level. The review will include studies that targeted digital health interventions at CHWs' level to provide support in delivering COVID-19-related and other essential healthcare services. A date limit of 31 December 2019 to the present date will be placed on the search and English language articles will be included. ETHICS AND DISSEMINATION: Formal ethical approval is not required, as primary data will not be collected in this study. The results from our scoping review will provide valuable insight into the use of digital health interventions to optimise CHWs' functioning and will reveal current knowledge gaps in research. The results will be disseminated through journal publications and conference presentations.
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 | 0,067 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,004 |
| Méta-épidémiologie (sens large) | 0,014 | 0,014 |
| Bibliométrie | 0,018 | 0,013 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,006 | 0,007 |
| Intégrité de la recherche | 0,011 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,067 | 0,012 |
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 ».