MétaCan
Menu
Retour à la cohorte
Enregistrement W4409549713 · doi:10.5334/gh.1423

Community Health Workers Equipped with an mHealth Application Can Accurately Diagnose Hypertension in Rural Guatemala

2025· article· en· W4409549713 sur OpenAlex
Sean Duffy, Taryn M. Valley, Alejandro Chavez, Valerie Aguilar, Juan Aguirre Villalobos, Kaitlin Tetreault, Guanhua Chen, Elizabeth White, Alvaro Bermudez-Cañete, Do Dang, Julie Cornfield, Yoselin Letona, Rafael Tun

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueGlobal Heart · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensInnovative Research Group (Canada)University of Toronto
Organismes subventionnairesFogarty International CenterNational Institute of General Medical Sciences
Mots-clésMedicinemHealthKappaBlood pressureCohen's kappaMedical historyHealth careCommunity healthFamily medicinePediatricsEmergency medicineInternal medicineNursingPublic healthPsychological intervention

Résumé

récupéré en direct d'OpenAlex

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,075
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,071
Tête enseignante GPT0,463
Écart entre enseignants0,391 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle