MétaCan
Menu
← Retour à la cohorte
Enregistrement W4381896092 · doi:10.2196/preprints.45162

Influencing Factors to mHealth Uptake With Indigenous Populations: Qualitative Systematic Review (Preprint)

2022· preprint· en· W4381896092 sur OpenAlexaboutno aff
Andrew Goodman, Ray Mahoney, Geoffrey Spurling, Sheleigh Lawler

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésmHealthCINAHLIndigenousPsycINFOPreprintQualitative researchCritical appraisalPopulationService providerPsychological interventionMEDLINEMedicinePsychologyNursingPolitical scienceService (business)Environmental healthBusinessWorld Wide WebSociologyAlternative medicineComputer scienceSocial scienceEcologyBiologyMarketing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND The advancements and abundance of mobile phones and portable health devices have created an opportunity to use mobile health (mHealth) for population health systems. There is increasing evidence for the feasibility and acceptance of mHealth with Indigenous populations. Providing a synthesis of qualitative findings of mHealth with Indigenous populations will gain insights into the strengths and challenges to mHealth use in Indigenous populations. OBJECTIVE This review aimed to identify and synthesize qualitative data pertaining to the experiences and perceptions of mHealth from the perspectives of end users (patients and service providers) living in the colonial settler democracies of Canada, Australia, New Zealand, the United States, the Pacific Islands, and the Sápmi region of northern Europe. METHODS In May 2021, systematic searches of peer-reviewed, scientific papers were conducted across the 5 databases of PubMed, CINAHL, Embase, PsycINFO, and Web of Science. Qualitative or mixed method studies were included where a mHealth intervention was the primary focus for responding to health challenges with Indigenous populations. Two authors independently screened papers for eligibility and assessed the risk of bias using a modified version of the Critical Appraisal Skills Programme. A meta-aggregative approach was used to analyze the findings of included studies. RESULTS Seventeen papers met the eligibility criteria, 8 studies with patients, 7 studies with service providers, and 2 studies that included both patients and service providers. Studies were conducted in Australia (n=10), Canada (n=2), New Zealand (n=2), Papua New Guinea (n=1), the United States (n=1), and Samoa (n=1). Our interpretation of these qualitative findings shows commonalities between Indigenous patients’ and service providers’ perceptions of mHealth. We summarize our findings in six themes: (1) mHealth literacy, (2) mHealth as a facilitator for connection and support, (3) mHealth content needed to be culturally relevant, (4) mHealth security and confidentiality, (5) mHealth supporting rather than replacing service providers, and (6) workplace and organizational capacity. CONCLUSIONS This research suggests that mHealth can meet the needs of both patients and service providers when the mHealth intervention is culturally relevant, accounts for digital and health literacy, incorporates interactive components, is supported by workplaces, fits into health provider workflows, and meets security and confidentiality standards. Future mHealth research with Indigenous populations should partner with key representatives (eg, patients, service providers, and executive leaders) in the mHealth design appropriate to the purpose, people, setting, and delivery.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Revue systématiquelow
gptaucune catégorie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Revue systématiquelow
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,084
score de la tête « metaresearch » (Gemma)0,184
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,442

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0840,184
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,004
Bibliométrie0,0110,017
Études des sciences et des technologies0,0030,002
Communication savante0,0040,006
Science ouverte0,0020,005
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,176
Tête enseignante GPT0,524
Écart entre enseignants0,348 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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 sujetMobile Health and mHealth Applications→Travaux en français237 207→