Supporting middle-cadre health care workers in Malawi: lessons learned during implementation of the PALM PLUS package
Notice bibliographique
Résumé
BACKGROUND: The government of Malawi is committed to the broad rollout of antiretroviral treatment in Malawi in the public health sector; however one of the primary challenges has been the shortage of trained health care workers. The Practical Approach to Lung Health Plus HIV/AIDS in Malawi (PALM PLUS) package is an innovative guideline and training intervention that supports primary care middle-cadre health care workers to provide front-line integrated primary care. The purpose of this paper is to describe the lessons learned in implementing the PALM PLUS package. METHODS: A clinical tool, based on algorithm- and symptom-based guidelines was adapted to the Malawian context. An accompanying training program based on educational outreach principles was developed and a cascade training approach was used for implementation of the PALM PLUS package in 30 health centres, targeting clinical officers, medical assistants, and nurses. Lessons learned were identified during program implementation through engagement with collaborating partners and program participants and review of program evaluation findings. RESULTS: Key lessons learned for successful program implementation of the PALM PLUS package include the importance of building networks for peer-based support, ensuring adequate training capacity, making linkages with continuing professional development accreditation and providing modest in-service training budgets. The main limiting factors to implementation were turnover of staff and desire for financial training allowances. CONCLUSIONS: The PALM PLUS approach is a potential model for supporting mid-level health care workers to provide front-line integrated primary care in low and middle income countries, and may be useful for future task-shifting initiatives.
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 | 0,005 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».