Developing the BornFyne prenatal management system version 2.0: a mixed method community participatory approach to digital health for reproductive maternal health
Notice bibliographique
Résumé
Despite the growing number of global initiatives aimed at reducing adverse maternal health outcomes, there remain critical gaps and disparities in access to maternal health services in Cameroon and across the sub-Saharan Africa. Digital health innovations represent unique opportunities for addressing maternal and newborn child health in sub-Saharan Africa. This article documents the approach to developing the BornFyne-Prenatal Management System (PNMS) as an intervention to support maternal health issues in Cameroon. The mixed-method design employed the three-delays model conducted in four health districts purposefully selected with a mix of urban and rural settings as defined in the context. The study employed focus group discussions and interviews to inform the development features. A total of 25 providers were interviewed, 12 focus group discussions and 4 workshops were held and a total of 3654 households were surveyed. Participants highlighted multifaceted advantages of using digital health platform such as BornFyne-PNMS to enhance communication and care during pregnancy such as remote consultations, emergency response, increased patient engagement and improved continuity of care and convenience. Most respondents believed that the use of a digital platform like BornFyne-PNMS would greatly facilitate access to health facilities, especially during emergencies. The BornFyne-PNMS deployment includes community engagement, training and practical skills building of health workers in the use of digital technologies, the establishment of an emergency transport mechanism for response to emergency cases, assessment and upgrading of the computer hardware of enrolled health facilities and support to health system managers to review and interpret the BornFyne data and interoperability with the national health management information system.
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 | 0,041 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».