Community Health Workers Equipped with an mHealth Application Can Accurately Diagnose Hypertension in Rural Guatemala
Notice bibliographique
Résumé
Background: Hypertension is a leading global cause of morbidity and mortality and is increasing in low- and middle-income countries, where unawareness of hypertension is a primary obstacle to management. Community health workers (CHWs) in combination with mobile health (mHealth) tools are increasingly used in LMIC health systems to strengthen primary care infrastructure. In this study, we applied this care model to hypertension in rural Guatemala by comparing the accuracy of CHWs equipped with an mHealth clinical decision support application in diagnosing hypertension to concurrent physician evaluation. Methods: We performed a prospective diagnostic accuracy study in which adults from rural Guatemalan communities were assessed independently by a CHW aided by a mHealth application and a physician. Assessment included medical history; measurement of blood pressure, height and weight; and determination of hypertension status. CHW-physician agreement on hypertension status and past medical history elements was assessed by Kappa analysis and proportional agreement, with a priori thresholds of Kappa = 0.61 and agreement of 90%. Agreement on patient measurements was evaluated using Bland-Altman and regression analyses. Results: Of 359 participants enrolled, 47 (13%) were confirmed to have hypertension and another 11 (3%) had possible hypertension. CHW-physician agreement was high for hypertension diagnosis, with Kappa = 0.8 (95% CI = 0.72, 0.88) and overall agreement 92.8% (95% CI = 90.1%, 95.4%). Bland-Altman analysis showed small biases toward lower systolic blood pressure, higher height, and lower BMI measurements by CHWs. Most patient history characteristics showed moderate to almost perfect (Kappa: 0.41–1) agreement between physicians and CHWs. Conclusions: In this study based in rural Guatemala, CHWs using a mHealth clinical decision support application were found to screen adult patients for hypertension with similar accuracy to a physician. This approach could be adapted to other low-resource settings to reduce the burden of undiagnosed and untreated hypertension.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».