MétaCan
Menu
Retour à la cohorte
Enregistrement W4210852756 · doi:10.1136/bmjopen-2021-056130

Exploring digital health interventions for pregnant women at high risk for pre-eclampsia and eclampsia in low-income and-middle-income countries: a scoping review

2022· review· en· W4210852756 sur OpenAlexaff
Anam Shahil Feroz, Noreen Afzal, Emily Seto

Notice bibliographique

RevueBMJ Open · 2022
Typereview
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensUniversity Health NetworkUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineCINAHLPsychological interventionEclampsiaMEDLINEmHealthReproductive healthSystematic reviewDigital healthFamily medicineEnvironmental healthHealth carePregnancyNursingPopulation

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To explore digital health interventions that have been used to support pregnant women at high risk for pre-eclampsia/eclampsia (HRPE/E) in low-income and middle-income countries (LMICs). DESIGN: Scoping review. DATA SOURCE: EMBASE, MEDLINE, Cochrane Central Register of Controlled Trials, Cochrane Database of Systematic Reviews and CINAHL were searched between 1 January 2000 and 20 October 2020. ELIGIBILITY CRITERIA: The review included original research studies that were published in English, involved pregnant women at HRPE/E and implemented digital health interventions for PE/E in LMICs. DATA EXTRACTION AND SYNTHESIS: Two reviewers independently completed the data extraction for each of the 19 final articles. An inductive approach was used to thematically organise and summarise the results from the included articles. RESULTS: A total of 19 publications describing 7 unique studies and 9 different digital health interventions were included. Most studies were conducted in South Asia and sub-Saharan Africa (n=16). Of nine unique digital health interventions, two served the purpose of predicting risk for adverse maternal health outcomes while seven focused on monitoring high-risk pregnant women for PE/E. Both of these purposes used mobile phone applications as interface to facilitate data collection, decision making, and communication between health workers and pregnant women. The review identified key functions of interventions including data collection, prediction of adverse maternal outcomes, integrated diagnostic and clinical decision support, and personal health tracking. The review reported three major outcomes: maternal health outcomes including maternal and neonatal morbidity and mortality (n=4); usability and acceptability including ease-of-use, and perceived usefulness, (n=5); and intervention feasibility and fidelity including accuracy of device, and intervention implementation (n=7). CONCLUSION: Although the current evidence base shows some potential for the use of digital health interventions for PE/E, more prospective experimental and longitudinal studies are needed prior to recommending the use of digital health interventions for PE/E.

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)0,014
score de la tête « metaresearch » (Gemma)0,062
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,062
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0050,005
Bibliométrie0,0100,010
Études des sciences et des technologies0,0010,001
Communication savante0,0050,004
Science ouverte0,0020,002
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,340
Tête enseignante GPT0,546
Écart entre enseignants0,206 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations28
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ OpenMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207