A pilot study to implement artificial intelligence-enabled, point-of-care obstetric ultrasound for gestational age estimation in Zambia: An evaluation protocol.

چکیده اصلی

BACKGROUND: Ultrasound is essential for accurate pregnancy dating, but its implementation in low- and middle-income countries is hindered by cost, infrastructure, and training barriers. The implementation of point-of-care ultrasound (POCUS) with artificial intelligence (AI) technology to accurately estimate gestational age can potentially address these barriers. We describe a protocol to evaluate the acceptability, feasibility, and fidelity of integrating AI-enabled POCUS for gestational age dating into routine antenatal care (ANC) in Zambia's Lusaka Province. METHODS: PIKABU (Piloting Integration, Knowledge and Acceptability of Baby Ultrasounds) is a multi-year pilot program to introduce and maintain AI-enabled POCUS in six ANC facilities across three districts. To evaluate these activities, we designed a prospective, mixed methods evaluation to assess acceptability, feasibility, and fidelity. Informed by the Consolidated Framework for Implementation Research, the evaluation comprises six separate components: focus-group discussions, in-depth interviews, patient register reviews, time motion studies, implementation strategy assessments, and patient exit surveys. Participants include patients, community members, and healthcare providers. By collecting baseline and follow-up data every four months, we are able to measure these outcomes in longitudinal fashion. DISCUSSION: Integrating portable, AI-enabled POCUS into routine ANC can improve gestational age dating and improve maternal health services in resource limited settings. Through its assessment of the acceptability, feasibility, and fidelity, this study provides novel insights about service implementation. Our findings are expected to inform policy and programs considering AI-enabled POCUS and support broader adoption across a range of healthcare settings.

ترجمه فارسی چکیده

سونوگرافی برای تعیین دقیق تاریخ بارداری ضروری است، اما پیاده‌سازی آن در کشورهای درآمد پایین و متوسط با موانع هزینه، زیرساخت و آموزش دشوار می‌شود. استفاده از سونوگرافی در محل مراقبت‌ها (POCUS) همراه با تکنولوژی هوش مصنوعی می‌تواند این موانع را برطرف کند. ما پروتکلی را برای ارزیابی پذیرش، امکان‌پذیری و وفاداری ادغام سونوگرافی هوش مصنوعی-فعال POCUS برای تعیین سن بارداری در مراقبت‌های پیش از زایمان روتین در استان لوساکا زامبیا توصیف می‌کنیم. PIKABU یک برنامه چندساله است که سونوگرافی هوش مصنوعی-فعال POCUS را در شش مرکز مراقبت‌های پیش از زایمان در سه شهرستان معرفی و حفظ می‌کند. برای ارزیابی این فعالیت‌ها، ما یک ارزیابی آینده‌نگرانه و ترکیبی طراحی کردیم. این ارزیابی شامل شش مولفه جداگانه است: بحث گروهی، مصاحبه‌های عمیق، بررسی ثبت‌های بیماران، مطالعات زمان و حرکت، ارزیابی استراتژی‌های پیاده‌سازی و نظرسنجی خروج بیماران است. مشارکت‌کنندگان شامل بیماران، اعضای جامعه و ارائه‌دهندگان مراقبت‌های بهداشتی است.

متن کامل اصلی