Protocol for a pragmatic cluster randomised controlled trial to evaluate the effectiveness of digital health interventions in improving non-communicable disease management during the pandemic in rural Pakistan
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic has revealed gaps in global health systems, especially in the low- and middle-income countries (LMICs). Evidence shows that patients with non-communicable diseases (NCDs) are at higher risk of contracting COVID-19 and suffering direct and indirect health consequences. Considering the future challenges such as environmental disasters and pandemics to the LMICs health systems, digital health interventions (DHI) are well poised to strengthen health care resilience. This study aims to implement and evaluate a comprehensive package of DHIs of integrated COVID-NCD care to manage NCDs in primary care facilities in rural Pakistan. METHODS: The study is designed as a pragmatic, parallel two-arm, multi-centre, mix-methods cluster randomised controlled trial. We will randomise 30 primary care facilities in three districts of Punjab, where basic hypertension and diabetes diagnosis and treatment are provided, with a ratio of 1:1 between intervention and control. In each facility, we will recruit 50 patients who have uncontrolled hypertension. The intervention arm will receive training on an integrated COVID-NCD guideline, and will use a smartphone app-based telemedicine platform where patients can communicate with health providers and peer-supporters, along with a remote training and supervision system. Usual care will be provided in the control arm. Patients will be followed up for 10 months. Our primary indicator is systolic blood pressure measured at 10 months. A process evaluation guided by implementation science frameworks will be conducted to explore implementation questions. A cost-effectiveness evaluation will be conducted to inform future scale up in Pakistan and other LMICs. DISCUSSION: Our study is one of the first randomised controlled trials to evaluate the effectiveness of DHIs to manage NCDs to strengthen health system resilience in LMICs. We will also evaluate the implementation process and cost-effectiveness to inform future scale-up in similar resource constrained settings. TRIAL REGISTRATION: ClinicalTrials.gov Identifier-NCT05699369.
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 | 0,036 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,004 |
| Méta-épidémiologie (sens large) | 0,013 | 0,007 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,010 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,108 | 0,016 |
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 ».