Perceived barriers and facilitators of implementing a sustained smartphone-based telemonitoring program for pregnant women at high-risk for pre-eclampsia in the public and private sectors in Pakistan
Notice bibliographique
Résumé
Background: In Pakistan, a smartphone-based telemonitoring (TM) program (Raabta) has been designed to support pregnant women with high risk for preeclampsia (HRPE) in Pakistan. However, implementing TM interventions is often challenging, particularly in low-resource settings, given the complexity of healthcare environments and variations in public and private health sectors. This study explores the potential barriers and facilitators for a sustained implementation of the Raabta program in public and private sector hospitals in Pakistan. Methods: 6). Participants were recruited using purposive and snowball sampling techniques. Interview transcripts were deductively analyzed using the Consolidated Framework for Implementation Research (CFIR) domains. Results: Based on the CFIR domains, the findings included: (1) Raabta being perceived as user-friendly even for patients with low digital and language literacy; (2) Outer settings: Limited health and digital literacy, poor language proficiency, and cultural norms can influence the willingness and ability of public sector patients to use the Raabta; (3) Inner settings: The private health sector is well-equipped for the Raabta implementation, while the public health sector faces challenges related to physical space, limited human and financial resources, and physician resistance; (4) Individual characteristics: Majority participants demonstrated positive attitudes toward the Raabta program and expressed confidence in using it (5) Process: Recommendations included adopting a nurse-led model for the private sector, leveraging paramedics for monitoring the Raabta dashboard, integrating Raabta with existing digital platforms, and establishing an advisory committee for program sustainability. Conclusion: Raabta implementation may be more feasible in the private sector due to patient demographics, health and digital literacy, cultural norms, financial resources, physician readiness, and hospital infrastructure.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».