Texting for life: a mobile phone application to connect pregnant women with emergency transport and obstetric care in rural Nigeria
Notice bibliographique
Résumé
Difficulty in transportation to access skilled providers has been cited repeatedly as a major barrier to utilization of emergency obstetric care in Nigeria.The objective of this paper is to describe the design, implementation, and outcomes of a mobile phone technology aimed at rapidly reaching rural Nigerian women who experience pregnancy complications with emergency transportation and access to providers.The project was implemented in 20 communities in two predominantly rural Local Government Areas (LGAs) of Edo State, in southern Nigeria, as part of a larger implementation project aimed at improving the access of rural women to skilled pregnancy care. The digital health innovation named Text4Life, allowed women to send a brief message from their mobile phone to a server linked to Primary Health Care (PHC) facilities and to access pre-registered transport owners. Pregnant women were registered and taught to text short messages to a server from their mobile phones or those of a friend or relative when they experience complications.Over 18 months, 56 women out of 1620 registered women (3.5%) texted the server requesting emergency transportation. Of this number, 51 were successfully transported to the PHC facilities, 46 were successfully treated at the PHC, and five were referred to higher-level care facilities. No maternal deaths occurred during the period, while four perinatal deaths were recorded.We conclude that a rapid short message sent from a mobile phone to a central server and connected to transport providers and health facility managers is effective in increasing the access of pregnant women to skilled emergency obstetric services in rural Nigeria.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».