MétaCan
Menu
← Retour à la cohorte
Enregistrement W4416361541 · doi:10.2196/71696

Addressing Gaps in the Hypertension and Diabetes Care Continuum in Rural Bangladesh Through Digital Technology Supported Decentralized Primary Care: Study Protocol and Baseline Results for a Hybrid Effectiveness-Implementation Trial

2025· article· en· W4416361541 sur OpenAlexvenueno aff
Wubin Xie, Sabrina Ahmed, Ali Ahsan, Tanmoy Sarker, Aysha Anan, Md Mokbul Hossain, Zahidul Quayyum, AHM Enayet Hussain, Md Robed Amin, Imran Ahmed Chowdhury, Mithila Faruque, Sohel Reza Choudhury, Ian Goon, Fred Hersch, Lora Sabin, Brian Oldenburg, John Chambers, Malay Kanti Mridha

Notice bibliographique

RevueJMIR Research Protocols · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProtocol (science)Baseline (sea)Primary careDiabetes mellitusDigital healthDiseaseDisease managementDiabetes managementeHealth

Résumé

récupéré en direct d'OpenAlex

Background: Hypertension and diabetes are very common, interrelated chronic conditions. Awareness, diagnosis, treatment, and control rates of these conditions remain low, and access to quality care-particularly in rural areas-is a persistent challenge in many low- and middle-income countries. Strengthening primary health care, including the use of digital tools, is important to improve management of these chronic conditions. Objective: This study aims to assess the implementation and effectiveness of a multicomponent, decentralized primary care model in comparison with a digital health-only intervention and usual care in rural Bangladesh. Methods: The study applies a type 2 hybrid effectiveness-implementation design, using a 3-arm quasi-experimental approach, comprising 2 intervention arms and 1 usual care comparison arm. The study is being conducted across 3 subdistricts in the Dinajpur district, Rangpur division, northern Bangladesh. Primary outcomes include blood pressure and blood glucose control rates, assessed by population-based repeated cross-sectional surveys with independent samples, supplemented by facility-based prospective cohort data. Additionally, a mixed methods process evaluation is being conducted to capture the quantity, fidelity, adaptations, reach, and context of the interventions. Results: The baseline community survey was conducted between January and March 2024, enrolling 6849 participants distributed across 3 arms: 2262 in usual care, 2287 in the digital-only arm, and 2300 in the multicomponent intervention arm. Participants had a mean age of 55.9 (SD 10.6) years with equal sex distribution (female: 3432/6849, 50.1%). Educational attainment was low, with 39.5% (2704/6849) of participants having no formal schooling and only 12.1% (917/6849) attaining secondary or higher education. The majority (6316/6849, 92.2%) reported being either self-employed or homemakers. The age-standardized baseline blood pressure control rate among all participants with hypertension was 10.2% overall, while the glycemic control rate among those with diabetes was 14.9%. Awareness and treatment rates for hypertension were 35.3% and 23.0%, respectively, compared to 60.7% and 34.5% for diabetes. Conclusions: The study findings will provide critical evidence on scalable models for decentralized noncommunicable disease care and will have important implications for improving the management of hypertension and diabetes in Bangladesh and similar low-resource settings globally.

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)0,024
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,126

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,016
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,002
Communication savante0,0030,003
Science ouverte0,0030,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0220,003

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 Opus0,189
Tête enseignante GPT0,603
Écart entre enseignants0,414 · 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'étudeEssai non randomisé
Domainenon disponible
GenreProtocole

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

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

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