An Implementation Evaluation of the Smartphone-Enhanced Visual Inspection with Acetic Acid (SEVIA) Program for Cervical Cancer Prevention in Urban and Rural Tanzania
Notice bibliographique
Résumé
INTRODUCTION: The World Health Organization (WHO) recommends visual inspection with acetic acid (VIA) for cervical cancer screening (CCS) in lower-resource settings; however, quality varies widely, and it is difficult to maintain a well-trained cadre of providers. The Smartphone-Enhanced Visual Inspection with Acetic acid (SEVIA) program was designed to offer secure sharing of cervical images and real-time supportive supervision to health care workers, in order to improve the quality and accuracy of visual assessment of the cervix for treatment. The purpose of this evaluation was to document early learnings from patients, providers, and higher-level program stakeholders, on barriers and enablers to program implementation. METHODS: From 9 September to 8 December 2016, observational activities and open-ended interviews were conducted with image reviewers (n = 5), providers (n = 17), community mobilizers (n = 14), patients (n = 21), supervisors (n = 4) and implementation partners (n = 5) involved with SEVIA. Sixty-six interviews were conducted at 14 facilities, in all five of the program regions Results SEVIA was found to be a highly regarded tool for the enhancement of CCS services in Northern Tanzania. Acceptability, adoption, appropriateness, feasibility, and coverage of the intervention were highly recognized. It appeared to be an effective means of improving good clinical practice among providers and fit seamlessly into existing roles and processes. Barriers to implementation included network connectivity issues, and community misconceptions and the adoption of CCS more generally. CONCLUSIONS: SEVIA is a practical and feasible mobile health intervention and tool that is easily integrated into the National CCS program to enhance the quality of care.
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 | 0,008 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».