Development of a Mobile Health Application for HIV Prevention Among At-Risk Populations in Urban Settings in East Africa: A Participatory Design Approach
Notice bibliographique
Résumé
BACKGROUND: There is limited evidence in Africa on the design and development of mobile health (mHealth) applications to guide best practices and ensure effectiveness. A pragmatic trial for HIV pre-exposure prophylaxis roll-out among key populations in Tanzania is needed. OBJECTIVE: We present the results of the development of a mobile app (Jichunge) intended to promote adherence to pre-exposure prophylaxis (PrEP) among men who have sex with men (MSM) and female sex workers (FSW) in Tanzania. METHODS: A participatory design approach was employed and guided by the information system research framework. MSM and FSW were the target populations. A total of 15 MSM and 15 FSW were engaged in the relevance and design cycles, while the piloting phase included 10 MSM and 20 FSW. RESULTS: The relevance cycle enabled the description of the existing problem, provided the compatible app features for the target population, and identified the need to develop an mHealth app that provides health services in a stigmatizing and discriminating environment. User involvement in the app's design and evaluation provided an opportunity to incorporate social, cultural, and community-specific features that ensured usability. In addition, the participants suggested valuable information to inform the app, text message services, medication registration, and chat platform designs. CONCLUSIONS: The participatory design approach in the development of mHealth apps is useful in identifying and validating population-specific functional features, improve usability, and ensuring future health impacts. Through this participatory process, the Jichunge app took end-user needs, perspectives, and experiences into account, eliciting enthusiasm regarding its potential role in supporting pre-exposure prophylaxis adherence for HIV and related behavioral change promotion. TRIAL REGISTRATION: International Clinical Trials Registry Platform PACTR202003823226570; https://trialsearch.who.int/Trial2.aspx?TrialID=PACTR202003823226570.
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 | 0,028 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».