The implementation of a maternal mHealth project in South Africa: Lessons for taking mHealth innovations to scale
Notice bibliographique
Résumé
MomConnect is a mHealth programme in South Africa targeted at improving antenatal and maternal health. This study explored the barriers and facilitators to implementing the MomConnect programme in South Africa and the applicable lessons for scaling mHealth programmes in Africa. We reviewed the published literature and collected data through semi-structured interviews of project partners and leaders who worked on the MomConnect project. We asked study participants to identify any barriers and/or facilitators in the implementation of the MomConnect project and how they would overcome those barriers and strengthen the facilitators. We employed the Consolidated Framework for Implementation Research (CFIR) to inform the identification of a priori codes for the directed content analysis. Based on the analysis, the key components that supported the implementation of the MomConnect project included (1) strategic partnership and coordination across partner levels, (2) cost-effective technology and sustainable funding measures, (3) adequate adaptation of the innovation to local and national settings, and (4) guiding mHealth policy and legislation frameworks. The study’s results suggest that strong political will and a robust partnership are essential to lead the strategic implementation process of mHealth projects. Such mHealth projects thrive in a policy framework that can support the planning and implementation process. In addition, understanding the accessibility needs of the project’s target population as identified in this study is critical to developing mHealth projects that are sustainable in the long term by adapting to cost-effective technologies.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,010 |
| Études des sciences et des technologies | 0,002 | 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 ».