MétaCan
Menu
Retour à la cohorte
Enregistrement W4205958060 · doi:10.2196/preprints.35824

Correction: Effect of Door-to-Door Screening and Awareness Generation Activities in the Catchment Areas of Vision Centers on Service Use: Protocol for a Randomized Experimental Study (Preprint)

2022· preprint· en· W4205958060 sur OpenAlexaff
Shalinder Sabherwal, Anand Chinnakaran, Ishaana Sood, Gaurav K Garg, Birendra Pratap Singh, Rajan Shukla, Priya Adhisesha Reddy, Suzanne Gilbert, Ken Bassett, G. V. S. Murthy

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Systems and Reforms
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésIntervention (counseling)Psychological interventionMedicinePopulationService (business)OptometrySustainabilityCommunity engagementRural areaGeographyFamily medicineNursingEnvironmental healthBusinessPublic relationsPolitical science

Résumé

récupéré en direct d'OpenAlex

UNSTRUCTURED A vision center (VC) is a significant eye care service model to strengthen primary eye care services. VCs have been set up at the block level, covering a population of 150,000-250,000 in rural areas in North India. Inadequate use by rural communities is a major challenge to sustainability of these VCs. This not only reduces the community’s vision improvement potential but also impacts self-sustainability and limits expansion of services in rural areas. The current literature reports a lack of awareness regarding eye diseases and the need for care, social stigmas, low priority being given to eye problems, prevailing gender discrimination, cost, and dependence on caregivers as factors preventing the use of primary eye care. Our organization is planning an awareness-cum-engagement intervention—door-to-door basic eye checkup and visual acuity screening in VCs coverage areas—to connect with the community and improve the rational use of VCs. In this randomized, parallel-group experimental study, we will select 2 VCs each for the intervention arm and the control arm from among poor, low-performing VCs (ie, walk-in of ≤10 patients/day) in our 2 operational regions (Vrindavan, Mathura District, and Mohammadi, Kheri District) of Uttar Pradesh. Intervention will include door-to-door screening and awareness generation in 8-12 villages surrounding the VCs, and control VCs will follow existing practices of awareness generation through community activities and health talks. Data will be collected from each VC for 4 months of intervention. Primary outcomes will be an increase in the number of walk-in patients, spectacle advise and uptake, referral and uptake for cataract and specialty surgery, and operational expenses. Secondary outcomes will be uptake of refraction correction and referrals for cataract and other eye conditions. Differences in the number of walk-in patients, referrals, uptake of services, and cost involved will be analyzed. Background work involved planning of interventions and selection of VCs has been completed. Participant recruitment has begun and is currently in progress. Through this study, we will analyze whether our door-to-door intervention is effective in increasing the number of visits to a VC and, thus, overall sustainability. We will also study the cost-effectiveness of this intervention to recommend its scalability. ClinicalTrials.gov NCT04800718; https://clinicaltrials.gov/ct2/show/NCT04800718

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,098
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: aucune
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,198
Score d'incertitude au seuil0,663

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,098
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,1980,017

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,352
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHealthcare Systems and ReformsTravaux en français237 207