MétaCan
Menu
Retour à la cohorte
Enregistrement W4375954670 · doi:10.1371/journal.pgph.0000705

Utilization of a novel mobile application, “HBB Prompt”, to reduce Helping Babies Breathe skills decay

2023· article· en· W4375954670 sur OpenAlexafffund
Natalie Chan, Hasan S. Merali, Niraj Mistry, Ryan Kealey, Douglas M. Campbell, Shaun K. Morris, Data Santorino

Notice bibliographique

RevuePLOS Global Public Health · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensInstitute for Clinical Evaluative SciencesSt. Michael's HospitalHospital for Sick ChildrenTD Bank GroupMcMaster Children's HospitalMcMaster UniversitySickKids FoundationUniversity of Toronto
Organismes subventionnairesGrand Challenges CanadaCenter for Arthropod Management Technologies
Mots-clésPsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Helping Babies Breathe (HBB) is a newborn resuscitation training program designed to reduce neonatal mortality in low- and middle-income countries. However, skills decay after initial training is a significant barrier to sustained impact. OBJECTIVE: To test whether a mobile app, HBB Prompt, developed with user-centred design, helps improve skills and knowledge retention after HBB training. METHODS: HBB Prompt was created during Phase 1 of this study with input from HBB facilitators and providers from Southwestern Uganda recruited from a national HBB provider registry. During Phase 2, healthcare workers (HCWs) in two community hospitals received HBB training. One hospital was randomly assigned as the intervention hospital, where trained HCWs had access to HBB Prompt, and the other served as control without HBB Prompt (NCT03577054). Participants were evaluated using the HBB 2.0 knowledge check and Objective Structured Clinical Exam, version B (OSCE B) immediately before and after training, and 6 months post-training. The primary outcome was difference in OSCE B scores immediately after training and 6 months post-training. RESULTS: Twenty-nine HCWs were trained in HBB (17 in intervention, 12 in control). At 6 months, 10 HCW were evaluated in intervention and 7 in control. In intervention and control respectively, the median OSCE B scores were: 7 vs. 9 immediately before training, 17 vs. 21 immediately after training, and 12 vs. 13 at 6 months after training. Six months after training, the median difference in OSCE B scores was -3 (IQR -5 to -1) in intervention and -8 (IQR -11 to -6) in control (p = 0.02). CONCLUSION: HBB Prompt, a mobile app created by user-centred design, improved retention of HBB skills at 6 months. However, skills decay remained high 6 months after training. Continued adaptation of HBB Prompt may further improve maintenance of HBB skills.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,413
Score d'incertitude au seuil0,660

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,360
Écart entre enseignants0,302 · 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 tête enseignante, 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

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLOS Global Public HealthMême sujetGlobal Maternal and Child HealthTravaux en français237 207