Mobile Life Skills Education Adoption Among Internally Displaced Persons in Northern Nigeria and Health Systems Implications for Equitable Mental Health Support: A cross-sectional study
Notice bibliographique
Résumé
ABSTRACT Introduction Internally displaced persons (IDPs) face significant mental health challenges amidst severely disrupted health systems. Digital interventions offer promising pathways to deliver psychosocial support, yet critical gaps remain in understanding what determines their acceptability and adoption among vulnerable populations in conflict settings. Objective This study investigates the sociodemographic, psychosocial, technological, and cultural determinants of interest in mobile-based life skills education (mLSE) among IDPs in Nigeria, integrating four theoretical frameworks to generate actionable insights for equitable digital mental health service delivery in fragile settings. Methods We analyzed cross-sectional data from 220 IDPs in the Durumi and Wassa camps of Abuja, Nigeria. Variable selection employed elastic net regression, identifying 22 key predictors. Modified robust Poisson regression estimated prevalence ratios for mLSE interest, with interaction effects modeled to capture demographic intersectionalities. Results Among participants, 48.6% expressed interest in mLSE, with significant disparities across age, education, and camp location. Young adults aged 20-24 with prior counseling experience showed substantially higher interest (APR=3.49, 95% CI 1.72-7.10), while males with counseling history demonstrated markedly lower engagement (APR=0.33, 95% CI 0.19-0.57). Secondary education strongly predicted interest (APR=2.27, 95% CI 1.59-3.26), as did residence in the Wassa camp (APR=1.64, 95% CI 1.21-2.23). Notably, males aged 30-34 exhibited minimal interest (APR=0.09, 95% CI 0.01-0.75), revealing critical gender-age intersections. Conclusions These findings reveal actionable patterns for strengthening digital mental health service delivery in displacement settings. Health systems in fragile contexts must develop digitally delivered interventions that are culturally responsive, gender-sensitive, and age-appropriate, while addressing educational and technological barriers. Leveraging prior service engagement appears critical for sustainable implementation. This study provides a roadmap for policymakers and implementers to design equitable digital mental health interventions that address the disparate needs of displaced populations.
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 | 0,001 | 0,002 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».