Stakeholder Experiences with the PCV Chatbot as a Complementary Capacity-Building Tool for Frontline Health Workers in India: a Qualitative Study (Preprint)
Notice bibliographique
Résumé
BACKGROUND: Pneumonia remains the leading cause of mortality in individuals aged 5 years or younger globally, with India bearing a disproportionately high burden. The introduction of the pneumococcal conjugate vaccine (PCV) in India necessitated innovative approaches to support frontline health workers (FLHWs), particularly in remote settings. To address this, a customizable WhatsApp-based PCV chatbot was developed as a complementary tool to traditional training and reference materials. OBJECTIVE: This study aimed to document the opportunities, challenges, and mitigation measures encountered during the development and rollout of the PCV chatbot, and to explore its use and user experience as a capacity-building and support tool for FLHWs during new vaccine introduction. METHODS: A qualitative study was conducted across 4 Indian states-Arunachal Pradesh, Delhi, Karnataka, and West Bengal-using purposive sampling at the district and block levels. Data collection involved key informant interviews with immunization officials and chatbot developers, and focus group discussions with auxiliary nurse midwives. A Likert scale-based tool captured quantitative feedback on user satisfaction. RESULTS: Stakeholders appreciated the chatbot's accessibility, familiarity (through WhatsApp), and multilingual functionality. Most auxiliary nurse midwives found it easy to use and rated responses highly for completeness and usefulness. The chatbot enabled immediate access to information, saving time and bridging gaps, especially when traditional training was delayed or unavailable in hard-to-reach areas. Challenges included occasional technical issues, limited content related to dropout and left-out scenarios, and difficulties in typing regional languages. Recommendations included implementing predictive text, expanding scenario coverage, and strengthening user-centered design and field testing. CONCLUSIONS: The PCV chatbot demonstrated acceptability and perceived value as an on-demand knowledge tool among FLHWs. Continuous user-driven refinement, expanded content, and enhanced usability are essential for its scalability and sustained use in vaccine introduction and capacity-building efforts.
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 | 0,011 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,007 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».