모바일 건강 통합 산전 치료 개입의 영향

배경 : 에티오피아 (1)를 포함한 사하라 이남 아프리카 (SSA)에서는 어머니와 신생아에게 최상의 건강을 유지하는 것이 여전히 도전입니다. 모성 및 아동 사망률의 높은 통행료는 건강 부문에 가장 중요한 단일 도전으로 남아 있습니다 (2). 저소득 국가에서는 임신의 고혈압 장애 (HDP), 산과 출혈 (OH) 및 패혈증이 모체 이환율과 사망률의 가장 흔한 동인입니다 (3). 간단하고 증거 기반의 예방 조치는 임신 중에 치명적인 이환율과 사망률을 방지 할 수 있습니다 (4). ANC는 긍정적 인 모체 및 주 산기 결과를 보장하는 데 중요합니다 (5).

WHO는 모성 및 신생아 건강 개선에 기여하고 임신 중, 출산 및 출생 후 (5,6) 숙련 된 치료의 사용을 증가시키기 위해 개인, 가족 및 지역 사회 능력을 높이기 위해 더 넓은 중재 패키지를 확립 할 것을 권장합니다. 모든 응용 프로그램의 건강은 곤 다르 대학교의 학자들이 개발했으며 국제 1 차 건강 관리 연구소 - 에티오피아와 에티오피아 보건부에서 부여합니다. 모든 앱의 건강에는 가족 계획 패키지, ANC 패키지 (업데이트 된 8 개의 접촉), 출생 준비 및 합병증 준비, 숙련 된 전달, 산모 영양, ANC의 위험 징후, 산후 가족 계획 및 산후 치료에 대한 자세한 정보가 포함되어 있지만 아직 에티오피아에서 구현되지 않았습니다. 따라서이 연구는 ANC 기간 동안 의료 추구의 변화에 기여할 수있는 통합 서비스를 구현하고, 임산부 치료를 지속적으로 보장하며, 긍정적 인 임신 경험을 제공 할 것입니다.

모성 및 신생아 건강은 현재 지속 가능한 개발 목표 (SDG) 기간 동안 상당한 관심을 받았지만, 어머니와 신생아 모두에게 최상의 건강을 유지하는 것은 여전히 사하라 이남 아프리카 (SSA)에서 도전입니다 (7). 에티오피아는 사하라 이남 국가 중 하나입니다. 그것은 건강 부문에 가장 중요한 단일 도전으로 남아 있습니다 (즉, 10 만 명당 401 mmr, 주 산기 사망률은 1000 명당 33 명입니다 (8). 모체 관리 완료율의 연속체는 매우 낮았습니다 (2). 2019 년 에티오피아 미니 인구 통계 건강 조사 보고서에 따르면, 임산부의 약 57%가 최적의 산전 치료를받지 못했습니다 (14), 여성의 69.1%가 출산의 치료 연속체에서 탈락했습니다 (9). 임산부의 연속성에 대한 임산부의 준수를 높이려면 이환율과 사망률을 줄이기 위해 모바일 건강 (MHEALTH) 앱은 스마트 폰을 통해 액세스 할 수있는 필수 도구이며, 여성에게 건강 정보를 갖추는 데 힘을 실어주는 필수 도구입니다 (10). 이러한 혁신은 모성 건강 서비스의 필요성에 대한 여성의 제한된 이해를 향상시키기 위해 필수적이며, 유해한 문화적 규범은 여성 의료 서비스 활용에 장애가됩니다 (11). 또한 MHEALTH Innovative Applications를 통해 사용자는 자신의 조건에 대해 배우고 임신 중에 라이프 스타일 수정을 촉진하고, 치료 옵션 및 예방 조치를 촉진하고, 정보에 입각 한 의사 결정 촉진, 건강 정보에 접근하고 (7,12-15) 치료를받을 수 있습니다 (7,12-15). 그러나 이러한 업데이트 및 증거 기반 MHEALT 앱 (즉, 안전한 전달 및 건강)의 존재에 대한 적절한 정보가 없기 때문에 모성 및 아동 건강 관리 서비스 제공 프로세스 에서이 디지털 건강 솔루션의 통합 흡수가 제한되어 있습니다. 또한, 실질적인 구현 경험의 부족은 에티오피아의 디지털 건강 관리를 향해 나아가는 능력을 제한하는 것입니다. 따라서 의료 서비스 제공 업체와 여성 참여는 효과적인 의료의 핵심 요소이며, MHEALT 앱은이 도메인에서 게임 체인저로 등장했습니다.

증거에 따르면 MHEALTH 개입이 모성 및 아동 건강 결과를 개선하기위한 유망한 해결책으로 등장했다는 증거가 밝혀졌습니다. 문학에 널리 기록되어있는 mHealth의 수용과 효과에도 불구하고 에티오피아에서는 거의 또는 전혀 연구되지 않았습니다.

연구 질문 : MHEALTH 통합 산전 치료 개입의 구현은 치료의 연속체 연속체, 산과 건강 문해력, 모성 및 산리후상 결과를 개선하는 데 큰 영향을 미칩니 까? 연구 가설 : MHEALTH 통합 산전 치료 개입의 구현은 출산의 치료 연속성, 산과 건강 문해력, 모체 및 주 산기 결과를 향상시킬 것입니다.

연구의 목표 :

일반적인 목표 : 출산 의료 연속체 개선, 산과 건강 문해력, 모성 및 주 산기 결과에 대한 통합 된 산전 치료 개입에 대한 mHealth의 영향을 평가합니다.

• 모계 치료의 연속체 개선에 대한 mHealth- 통합 산전 치료 개입의 효과를 조사하기 위해
• 모성 산과 건강 문해력 향상에 대한 mHealth-integrated 산전 치료 개입의 효과를 조사합니다.
• 모계 건강 결과 개선에 대한 mhealth-integrated 산전 치료 개입의 효과를 조사합니다.
• 주 산기 건강 결과 개선에 대한 통합 된 산전 치료 개입에 대한 mHealth의 영향을 조사합니다.
• 의료 서비스 제공 업체, 모성 및 아동 건강 담당관 중 ANC 동안 통합 산전 치료 개입의 수용 가능성, 타당성, 기회 및 도전을 탐구합니다.
• 방법 및 재료 연구 설계, 설정 및 기간 동안 통합 된 산전 관리 중재에서 MHEALT를 사용한 여성의 견해와 임신 경험을 탐구하기 위해 : 2ARM 실용적 군집 무작위 대조 시험 (RCT)은 4 월 1 일부터 7 월 30 일까지 2025 년 7 월 30 일까지 East Gojjam Zone의 1 차 공립 병원에서 사용될 것입니다.

인구:

소스 인구 : East Gojjam Zone 공중 보건 기관에서 산전 치료에 참석하는 모든 임신 여성 : 스마트 폰에 접근하고 임신 한 임신 첫 12 주 내에 임신 한 임신이 발생한 1 차 공립 병원 표본 크기 결정 및 샘플링 절차에서 1 차 ANC 접촉을 위해 임신 한 임산부가 나오는 경우 : 다음 가정은 STATHA 17 : 80%, β = 50%, β = 50%를 사용하여 샘플 크기를 계산하는 것으로 간주되었습니다. (3) = 0.03, 본 발명자들은 이전 문헌 (40)에 기초한 대조군 (13.9%) 간의 출산 연속 치료의 완전한 이용의 기준선에서 P1을 가정했다. 구현은 P1을 14% 증가시킬 것으로 예상되었으므로 P2는 27.9%, d = 15% 및 클러스터 크기 (m) = 46으로 추정되었다. 표본 크기는 각 대물에 대해 계산되며 가장 큰 샘플 크기는 ARM 당 260, 총 520 개로 얻습니다.

클러스터의 단위 및 무작위 화 (샘플링 절차) : 클러스터 수준은 1 차 공립 병원이며, 총 4 개의 건강 기관이 포함되어 중재 및 제어 암 (즉, 각 ARM에 대한 2 개의 클러스터)에 무작위로 할당됩니다. 각 ARM의 260 명의 적격 연구 집단은 원하는 샘플을 얻을 때까지 연속으로 선택되며 식별 코드가 제공됩니다.

구현 : 개입에는 출산 서비스 제공 업체와 사용자 모두를위한 교육 제공이 포함됩니다. 처음에는 출산 의료 서비스 제공 업체를 위해 옹호 및 교육이 제공됩니다. 중재 클러스터의 이러한 출산 서비스 제공 업체는 조산사 및 건강 확장 근로자 (HEW) 일 것으로 예상됩니다. 첫 번째 단계에서는 MHEALT 솔루션의 적용 (즉, 모든 앱에 대한 건강)에 대한 실습 실습 실습 교육이 조산사와 휴가를 위해 제공됩니다. 두 번째 단계에서, 훈련 된 출산 서비스 제공 업체는 MHealth Solution Application (즉, 모든 사람을위한 건강)을 적격 임산부와 공유하고 MHEALT 솔루션의 혜택, 적용 및 활용에 대한 교육을 제공합니다. HEWS는 보건 센터 기반 교육 외에도 중재 집수 영역 내에서 지역 사회 수준의 출산 포럼을 통해 교육을 제공 할 것으로 예상됩니다. 중재를 시작하고 중재 ARM에 필요한 적격 여성 수를 모집 한 후, 후속 기간 동안 지속적인지지 감독 및 모니터링이 수행됩니다.

데이터 수집 방법 : 데이터는 4 회, 즉 기준선 (1 차 접촉 기간), ANC 접촉 종료, 전달 및 차트 검토, 클라이언트 인터뷰 및 관찰을 통한 산후 산후 기간의 7 일째에 수집됩니다.

통계 분석 : 수집 된 데이터는 Epidata 버전 4.6을 사용하여 입력되며 분석을 위해 STATA 버전 17로 내보낼 것입니다. 설명 통계는 참가자의 기준 데이터를 설명하는 데 사용됩니다. 우리는 두 암 사이의 통계적 비율 차이를 알아낼 것입니다. 그룹 간 차이에 대한 중재의 영향은 범주 형 변수에 대한 카이 제곱 테스트와 연속 변수에 대한 독립적 인 t- 검정을 사용하여 평가 될 것입니다. 쌍을 이루는 T- 검정은 그룹 내의 차이를 평가하는 데 사용됩니다. 이 연구에서는 두 가지 사전 지정 된 분석이 사용될 것입니다. 1 차 분석은 치료 이용 상태 발견의 모계 연속체가 있는지 여부에 관계없이 처음에 할당 된 ARM에 모집 된 모든 참가자를 포함하는 ITT (ITT) 분석입니다. 2 차 분석은 PP (Protocol) 분석과 같이, 연구 종료시 결과 상태 결과를 가진 참가자들 사이에서 치료 효과를 조사합니다. 건강 시설 수준에서 클러스터링을 위해 조정 된 표준 오류가있는 일반화 된 선형 혼합 효과 모델링이 사용됩니다. 사전 지정 된 목표에 대한 중재의 영향은 상대적 위험 (RR) 연관성을 사용하여 평가됩니다. 95% 신뢰 구간의 상한은 RR이 비 등반 마진 아래로 떨어지는지를 결정하는 데 사용됩니다 (d = 14%). RR에 대한이 신뢰 구간의 상한이 중재를 대조군과 비교하는 경우 1.14 미만인 경우 중재는 대조군보다 열등하지 않습니다. 동시에 우수성 분석이 구현되고 CI의 하한 경계가 1.14보다 크면 대안이 허용됩니다. 중재 후 정 성적 데이터는 이해 당사자로부터 수집되어 임신 경험을 평가하고 수용 가능성과 타당성, mHealth 개입의 도전과 기회를 평가하고 Atlas.ti를 사용하여 분석됩니다. 소프트웨어.

데이터 품질 보증 : 설문지의 데이터 품질이 사전 테스트를 수행 할 수 있습니다. 샘플의 무작위 화는 데이터 오염을 최소화하기 위해 지리적으로 멀리 떨어진 개입 및 통제 그룹을 위해 다른 1 차 병원을 복용함으로써 수행됩니다. 감독자가 면밀한 후속 조치를 취할 것입니다. 데이터 수집가 및 감독자 윤리적 승인에 대한 교육이 제공 될 것입니다. 윤리적 승인 서한은 Debre Markos University의 기관 검토위원회에서 얻을 것이며, 시험 등록 번호는 관련 기관에서 얻을 것입니다. 공식 행정 승인 서한은 각 건강 시설 관리자로부터 얻을 것입니다. 연구 목표에 대한 명확한 설명 후에 각 연구 참가자로부터 서면 동의가 접수됩니다.