Utilisation of mobile phone interventions to improve the delivery of maternal health services in sub-Saharan Africa: A scoping review protocol
Notice bibliographique
Résumé
INTRODUCTION: There has been significant progress in maternal health outcomes in the sub-Saharan African region since the early 1990s, in part due to digital and mobile health interventions. However, critical gaps and disparities remain. Mobile phones in particular have potential to reach underserved, hard-to-reach populations with underdeveloped infrastructure. In spite of the opportunities for mobile phones to address maternal mortality in the region, there is no extensive mapping of the available literature on mobile phone interventions that aim to improve access of maternal care in sub-Saharan Africa. The proposed scoping review aims to map literature on the nature and extent of mobile phones interventions designed to improve maternal care health services in the region. METHODS: Conduct of this scoping review will be guided by the Joanna Briggs Institute approach. Literature searches will be conducted in multiple electronic databases, including MEDLINE, Embase, CINAHL, APA PsycInfo, Cochrane Central Register of Controlled Trials, Global Health, African Index Medicus, Web of Science, and Applied Social Sciences Index & Abstracts. Grey literature will also be identified. Keyword searches will be used to identify articles. Two reviewers will independently screen eligible titles, abstracts and full articles with a third reviewer to help resolve any disputes. We will extract data on general study characteristics, population characteristics, concept, context, intervention details, study results, gaps and recommendations. DISCUSSION: Understanding use of mobile phones among underserved, hard-to-reach populations with underdeveloped infrastructure to address maternal mortality in developing countries is very critical to informing health systems on potential effective strategies. This review will complement the evidence base on utilisation of mobile phone interventions to improve the delivery of maternal health services in sub-Saharan Africa.
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 | 0,095 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,006 |
| Méta-épidémiologie (sens large) | 0,013 | 0,015 |
| Bibliométrie | 0,017 | 0,013 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,007 | 0,008 |
| Intégrité de la recherche | 0,010 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,061 | 0,013 |
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 ».