Using WhatsApp for Nutrition Surveillance Among Children Under 5 Years in West Java, Indonesia: Cross-Sectional Survey and Feasibility Study
Notice bibliographique
Résumé
Background: Large-scale programs involving nutrition-specific interventions have been carried out in Indonesia as a community-based approach at the primary care level across cities and districts, throughout the age-specific target population (ie, children under 5 years). Objective: The aim of this paper is to describe the potential use of WhatsApp as a tool for recording and monitoring the growth of children under 5 years by Posyandu (Pos Pelayanan Terpadu or community-based health service post), investigating its potential in enhancing health programs and services. Methods: Data were collected from Posyandu cadres in Bogor District, West Java, from March to June 2022. The anthropometric measurement data were reported in real time through a WhatsApp chatbot, automatically analyzed by the system, and presented in a structured dashboard. A qualitative assessment was carried out using a cross-sectional survey conducted from March to July 2022. Results: The study involved 42 Posyandu in 3 villages, engaging 282 staff, and the WhatsApp chatbot recorded anthropometric data for 4571 children under 5 years. The qualitative assessment indicated widespread system utilization, with 50% (45/90) affirming comprehensive data input. Additionally, 66.4% (83/129) found the system easy to use, and 66.7% (82/123) expressed clarity in comprehending variables. Moreover, 75.6% (93/123) found the data input flow easily understood, and 74% (91/123) suggested that the system contributed to enhancing Posyandu activities and the quality of data reporting. Regarding staff proficiency, 63.5% (80/126) affirmed their adeptness in using the system, and 71% (88/124) asserted their high capability in providing training to colleagues. Conclusions: The potential use of WhatsApp as a surveillance tool for recording children's nutritional status is promising, suggesting broader applications within health programs. Nonetheless, this expansion requires additional improvements, including human resource preparation, Posyandu infrastructure development, and strong regulatory support.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».