The Early Detection and Case Management of Skin Diseases With an mHealth App (eSkinHealth): Protocol for a Mixed Methods Pilot Study in Côte d’Ivoire
Notice bibliographique
Résumé
BACKGROUND: There is a high prevalence of skin diseases sub-Saharan Africa, including skin neglected tropical diseases (NTDs) that could lead to lifelong disabilities and deformities if not diagnosed and treated early. To achieve early detection and early treatment of these skin diseases, we developed a mobile health app, eSkinHealth. OBJECTIVE: This paper outlines a protocol for evaluating the effect of our eSkinHealth app in the early detection and effective management of skin diseases in Côte d'Ivoire. METHODS: A mixed methods pilot trial will be conducted in Côte d'Ivoire and will consist of 3 phases: (1) the development and improvement of the eSkinHealth app, (2) a pilot trial to evaluate the usability of the eSkinHealth app for local medical staff in Côte d'Ivoire, and (3) a pilot trial to evaluate the effectiveness of early detection and case management of targeted skin NTDs (Buruli ulcer, leprosy, yaws, and lymphatic filariasis) with the eSkinHealth app in Côte d'Ivoire. The pilot study will be implemented as a 2-arm trial with local health care providers and patients with skin NTDs over a 3-month follow-up period. The local health care providers will be assigned to an intervention group receiving the eSkinHealth app to be used in their daily practices or a control group. Training will be provided on the use and implementation of the app and the diagnostic pipeline to the intervention group only, while both groups will receive training on skin diseases. Our primary outcome is to evaluate the early detection and effective management of skin diseases using the eSkinHealth app in Côte d'Ivoire by the number of cases diagnosed and managed. Additionally, we will evaluate the eSkinHealth app with validated questionnaires and in-depth interviews. Procedures of our methods have been reviewed and approved by the Institutional Review Board of the Ministry of Health, Côte d'Ivoire and by Tulane University in 2021. RESULTS: This study was funded in 2021. We started the enrollment of patients in February 2022, and data collection is currently underway. We expect the first results to be submitted for publication in 2023. CONCLUSIONS: Our eSkinHealth app is a field-adapted platform that could provide both direct diagnostic and management assistance to health workers in remote settings. The study will provide evidence for the usability and the effectiveness of the eSkinHealth app to improve the early detection and case management of skin NTDs in Côte d'Ivoire and, furthermore, is expected to contribute to knowledge on mobile health approaches in the control of skin NTDs. TRIAL REGISTRATION: ClinicalTrials.gov NCT05300399; https://clinicaltrials.gov/ct2/show/study/NCT05300399. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/39867.
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 | 0,054 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,042 | 0,008 |
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 ».