MétaCan
Menu
Retour à la cohorte
Enregistrement W4313001983 · doi:10.2196/40561

Improving Knowledge About Pregnancy for Deaf South African Women of Reproductive Age Through a Text Messaging–Based Information Campaign: Mixed Methods Study

2022· article· en· W4313001983 sur OpenAlexvenueno aff
Hanne Jensen Haricharan, Damian Hacking, Yan Kwan Lau, Marion Heap

Notice bibliographique

RevueJMIR Pediatrics and Parenting · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Cape TownNational Research Foundation
Mots-clésShort Message ServiceReproductive healthFocus groupMcNemar's testMedicinemHealthFamily medicinePregnancyPsychological interventionNursingPopulationComputer scienceEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Signing Deaf South Africans have limited access to health information and, consequently, limited knowledge about health. Maternal and neonatal mortality rates are high. Cell phone use is high, making it a potentially effective way of communicating about maternal and child health. OBJECTIVE: The primary aim of this study was to assess whether an SMS text messaging-based health information campaign could improve knowledge about pregnancy, antenatal care, and healthy living during pregnancy for signing Deaf South African women of reproductive age. The secondary aim was to evaluate the acceptability of such an intervention. METHODS: This study was designed as a pretest-posttest study. A baseline questionnaire assessed participants' knowledge about pregnancy, antenatal care, and healthy living during pregnancy before an SMS text messaging-based information campaign was conducted. After the campaign, an exit questionnaire was administered containing the same questions as the baseline questionnaire with additional questions on general acceptability and communication preferences. The results were compared between baseline and exit using the McNemar and Wilcoxon signed rank tests. A focus group aimed to obtain further information on the impact and acceptability of SMS text messages. The focus group was analyzed inductively. RESULTS: The study showed a statistically significant improvement in overall health knowledge among participants. Despite this, some participants found the medical terminology challenging to understand. Several ways of improving SMS text messaging campaigns for the Deaf were identified, including using Multimedia Messaging Services with a person signing messages and linking information campaigns to a communication service that would enable Deaf people to pose questions. The focus group also suggested that SMS text messages might play a role in motivating healthy behaviors during pregnancy. CONCLUSIONS: The SMS text messaging campaign effectively improved Deaf women's knowledge about pregnancy, antenatal care, and healthy living during pregnancy and has the potential to affect health behavior. This contrasts with a similar study on hearing pregnant women. This suggests that SMS text messages may be particularly effective in improving Deaf people's health knowledge. However, attention should be paid to Deaf participants' specific needs and communication preferences to optimize impact. The potential of using SMS text messaging campaigns to affect behavior should be studied. TRIAL REGISTRATION: Pan-African Clinical Trials Registry (PACTR) PACTR201512001352180; https://tinyurl.com/3rxvsrbe.

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)0,008
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,055
Tête enseignante GPT0,437
Écart entre enseignants0,382 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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 revueJMIR Pediatrics and ParentingMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207