MétaCan
Menu
← Retour à la cohorte
Enregistrement W4412636360 · doi:10.2196/59661

Feasibility and Acceptability of a Digital Health Portal to Improve HIV Care Engagement Among Kenyan Youth: Mixed Methods Study

2025· article· en· W4412636360 sur OpenAlexvenueno aff
Eric Nturibi, Florence Kaara, Faith Musau, Christine Mwangi, Elizabeth Kubo, Albert Orwa

Notice bibliographique

RevueJMIR Formative Research · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésKenyaMedicinePsychosocialPatient portaleHealthHealth carePsychologyMedical educationFamily medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

Background: Adolescents and young people aged 15-24 years in Kenya bear a disproportionate burden of HIV, necessitating innovative, youth-friendly approaches to improve care engagement. Digital solutions such as patient health portals (PHPs) offer scalable ways to enhance access, understanding, and support. Objective: This study aims to evaluate the feasibility and acceptability of a customized PHP tailored for Kenyan adolescents and young people living with HIV, and to explore participant preferences for features, content delivery modes, and privacy concerns. Methods: A cross-sectional, mixed methods feasibility study was conducted among 163 adolescents and young people recruited during psychosocial support group meetings across seven high-volume clinics in Kiambu and Kirinyaga counties in August 2021. Participants interacted with a prototype PHP through guided demonstrations and completed structured questionnaires assessing health literacy, digital readiness, feature preferences, emotional needs, and data security perceptions. Quantitative data were analyzed using descriptive and bivariate statistics. While qualitative data were also collected to inform portal development, this paper focuses exclusively on quantitative findings. Results: The median age was 18 (IQR 15-24) years, with 60% (98/163) female participants. Most participants were students (73/163, 45%) and had secondary-level education (83/163, 51%). Approximately 17% (27/163) participants reported difficulty understanding written medical information. A large majority (146/160, 91%) expressed interest in using a web-based portal, with 78% (124/159) participants rating it as easy to use. Weekly use was anticipated by 56% (90/161) of participants. Top-rated features included appointment scheduling (129/163, 79%), access to test results (129/163, 79%), and communication with the doctor (117/163, 72%). Emotional health tools like a mood tracker and PHQ-9 (Patient Health Questionnaire-9) screening were highly valued, with 59% (92/156) reporting difficulties coping emotionally with HIV. Concerns about data privacy were minimal, and 62% (99/159) were willing to share access with a trusted family member. No statistically significant associations were observed between portal preference and age, sex, education level, or employment status. Conclusions: The study demonstrates the strong feasibility and acceptability of a digital health portal among Kenyan adolescents and young people. High readiness for digital health, combined with clearly expressed content and feature preferences, underscores the potential for such tools to improve engagement in HIV care. These findings support the need for co-designed, youth-centered digital interventions that address both medical and psychosocial needs in resource-limited settings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,019
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,167
Tête enseignante GPT0,594
Écart entre enseignants0,427 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetMobile Health and mHealth Applications→Travaux en français237 207→