Interactive Conversational Agents for Perinatal Health: A Mixed Methods Systematic Review
Notice bibliographique
Résumé
Background: Interactive conversational agents (chatbots) simulate human conversation using natural language processing and artificial intelligence. They enable dynamic interactions and are used in various fields, including education and healthcare. Objective: This systematic review aims to identify and synthesize studies on chatbots for women and expectant parents in the preconception, pregnancy, and postnatal period through 12 months postpartum. Methods: We searched in six electronic bibliographic databases (MEDLINE (Ovid), CINAHL (EBSCO), Embase, Web of Science, Inspec, and IEEE Xplore) using a pre-defined search strategy. We included sources if they focused on women in the preconception period, pregnant women and their partners, mothers, and fathers/coparents of babies up to 12 months old. Two reviewers independently screened studies and all disagreements were resolved by a third reviewer. Two reviewers independently extracted and validated data from the included studies into a standardized form and conducted quality appraisal. Results: Twelve studies met the inclusion criteria. Seven were from the USA, with others from Brazil, South Korea, Singapore, and Japan. The studies reported high user satisfaction, improved health intentions and behaviors, increased knowledge, and better prevention of preconception risks. Chatbots also facilitated access to health information and interactions with health professionals. Conclusion: We provide an overview of interactive conversational agents used in the perinatal period and their applications. Digital interventions using interactive conversational agents have a positive impact on knowledge, behaviors, attitudes, and the use of health services. Interventions using interactive conversational agents may be more effective than those using methods such as individual or group face-to-face delivery.
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 | 0,007 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».