Scaling Mhealth in Africa: Lessons From The Implementation of The MomConnect Program
Notice bibliographique
Résumé
Abstract Background: Mobile health programs have strengthened health systems in Low- and Middle-Income Countries (LMICs) to achieve health-related goals. MomConnect, a mobile health program in South Africa targeted at improving antenatal and maternal health, has scaled rapidly since its creation in 2014. This study explores the barriers and facilitators to the implementation and scaling of the MomConnect program and the applicable lessons for the scaling of mhealth programs in the region. Methods: We conducted a qualitative study with key project partners and leaders who worked on the MomConnect project. Interviewees were initially identified through a literature review, publications, and evaluations of the project. Interviewees included individuals serving in implementation oversight, champions, partners, funders and frontline implementer roles. The Consolidated Framework for Implementation Research (CFIR) informed the a priori codes for directed content analysis. In total, 15 key stakeholders were interviewed. Interviewees were asked to identify any barriers or facilitators to the implementation of MomConnect and how they would overcome those barriers and strengthen the facilitators. Results: This qualitative study identified multiple barriers and facilitators to implementation within our domain of CFIR: characteristics of the intervention (complexity, trialability, evidence strength & quality, cost, design quality & packaging, adaptability), inner setting (available resources, compatibility, implementation climate, access to knowledge & information), outer setting (cosmopolitanism, external policy & incentives) and process (planning, external change agents, champions, formally appointed internal implementation leaders). Overarching thematic areas spanning the barriers and facilitators included: (1) strategic partnership and coordination across multiple sectors, (2) innovation costs and funding, (3) operationalization of the innovation to local and national settings and (4) mhealth policy and legislation frameworks.Conclusion: The barriers and facilitators identified under the CFIR domains can be used to build knowledge on how to strengthen mhealth programs in Africa. The continued success of the MomConnect program will require overcoming identified barriers and capitalizing on known facilitators. These findings can serve as a foundation for the effective design and scale of mhealth interventions in the region.
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 | 0,036 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,004 |
| 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 ».