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
Notice bibliographique
Résumé
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 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 | 0,014 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».