Effectiveness of mHealth intervention on safe abortion knowledge and perceived barriers to safe abortion services among female sex workers in Vietnam
Notice bibliographique
Résumé
Background: Mobile health (mHealth) has been used to promote sexual and reproductive health (SRH) education and services; however, little is known about the use of mHealth to improve safe abortion knowledge and access to safe abortion services among female sex workers (FSWs). This study evaluated the feasibility and effectiveness of iConnect intervention through changes in knowledge on safe abortion and changes in perceived barriers to safe abortion services among FSWs in Vietnam. Methods: iConnect mobile app was developed as an interactive platform to deliver safe abortion education and referral to safe abortion services through short messaging services (SMS) enhanced by tele-counseling for 512 FSWs in Hanoi, Vietnam. A pretest-posttest evaluation was conducted using questionnaire-based phone interviews administered to 251 participants at baseline and 3 months following the intervention. Non-parametric tests evaluated the change in abortion knowledge, behaviors, and perceived barriers to safe abortion. Results: There were significant improvements in the knowledge on safe abortion among the study participants. Specifically, FSWs’ knowledge of correct gestational ages (≤22 weeks) for medical abortion increased from 78.9% at baseline to 96.8% (P=0.001). Knowledge of correct gestational ages for medical abortion at the private clinic increased from 45.3% to 63.1% (P=0.001). Knowledge on the consequences of unsafe abortion increased from 75.2% to 92.1% (P=0.001). In addition, perceived stigma and discrimination when seeking safe abortion decreased from 36.5% to 27.8% (P=0.036) and worry about the lack of confidentiality decreased from 23.3% to 15.5% (P=0.035). Conclusions: The evaluation results showed the initial effectiveness of a mobile app-based intervention in improving access to safe abortion information and services among FSWs. A future study is needed to establish the efficacy of the intervention for scaling up in Vietnam and elsewhere.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».