Evaluating the impact of engaging healthcare providers in an AI-based gamified mHealth intervention for improving maternal health outcomes among disadvantaged pregnant women in Lebanon
Notice bibliographique
Résumé
Introduction: Maternal health in Lebanon faces significant challenges, particularly among disadvantaged populations, due to limited access to antenatal care (ANC) and a strained healthcare system. While mHealth interventions have improved maternal outcomes globally, few engage healthcare providers (HCPs) or incorporate advanced tools like artificial intelligence (AI) and gamification. This study evaluated the effectiveness of an AI-based, gamified mHealth intervention, Gamification and AI and mHealth Network for Maternal Health Improvement (GAIN MHI), on ANC utilization and maternal and neonatal outcomes in Lebanon. Methods and materials: = 897). Intervention components included AI-driven, gamified HCP professional development via the GAIN MHI app, weekly WhatsApp-based educational messages, and ANC visit reminders. Data on healthcare access (ANC visits, supplement intake, ultrasounds, and lab tests) and outcomes (term delivery, maternal/neonatal complications) were analyzed using logistic regression to calculate adjusted odds ratios (OR). Results: The HCP arm significantly improved healthcare access, with higher odds of attending ≥4 ANC visits (OR = 1.968, 95% CI: 1.575-2.459), completing ≥2 ultrasounds (OR = 3.026, 95% CI: 2.301-3.981), lab test completion (OR = 2.828, 95% CI: 1.894-4.221), and supplement intake (OR = 1.467, 95% CI: 1.221-1.762). Term deliveries were more likely in the HCP arm (OR = 1.360, 95% CI: 1.011-1.289), and neonatal morbidity decreased by 52.15% (OR = 1.521, 95% CI: 1.127-2.051). No improvements were seen in abortion rates, and normal deliveries decreased across intervention arms. Significant baseline demographic differences, including nationality and chronic disease prevalence, were observed between groups. Discussion: Integrating HCPs into an mHealth intervention significantly enhanced ANC uptake and maternal and neonatal outcomes in disadvantaged populations in Lebanon. These findings underscore the importance of combining digital tools with clinical support to address systemic barriers and improve maternal health in resource-limited settings. Future interventions should address delivery practices and broader social determinants of health to achieve sustainable impacts.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».