Identifying accurate methods of assessing blood pressure and health information by lay volunteers in the Philippines: Adapting a Canadian cardiometabolic health program to LMICs
Notice bibliographique
Résumé
Background Hypertension is a leading cause of mortality worldwide, especially in low- and middle-income countries (LMICs). In Canada, the Cardiovascular Health Awareness Program (CHAP) was proven effective in reducing cardiovascular hospitalizations. The next research will evaluate an adapted version of CHAP in the southern Philippines (Community Health Assessment Program in the Philippines (CHAP-P)). Methods Prior to full program adaptation, this two-phase study was conducted to evaluate the most appropriate methods locally for 1) assessing blood pressure (BP) readings and 2) collecting CHAP-P participant information. Phase 1 compared the correlation (Pearson's r ) of BP readings of three automated BP monitoring devices (WatchBP Office Target, Omron HEM-7130, Microlife 3QA1); manual measurement by a health care professional; and the gold standard (trained observers using a mercury sphygmomanometer). Phase 2 compared three data collection methods (tablet, cell phone, and paper) used by Barangay Health Workers (BHWs), the local volunteers who will implement the intervention. Errors, missed data, and BHW experiences were explored during each phase. Results Phase 1: the device most highly correlated with the gold standard for systolic BP was the WatchBP Office Target ( r = 0.84). For diastolic BP, the WatchBP Office Target produced the same result as the Omron HEM-7130 ( r = 0.67). Manual BP measurement showed a very poor correlation ( r < 0.60) with the gold standard. Phase 2: BHWs found cell phones and tablets more accurate and easier than paper. They preferred tablets due to the larger screen. Conclusion The WatchBP Office target and tablet will be used in the next phase of the project.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,092 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».