Hospital preparedness for Ebola virus disease: a training course in the Philippines.
Notice bibliographique
Résumé
OBJECTIVE: To develop, teach and evaluate a training workshop that could rapidly prepare large numbers of health professionals working in hospitals in the Philippines to detect and safely manage Ebola virus disease (EVD). The strategy was to train teams (each usually with five members) of key health professionals from public, private and local government hospitals across the Philippines who could then guide Ebola preparedness in their hospitals. METHODS: The workshop was developed collaboratively by the Philippine Department of Health and the country office of the World Health Organization. It was evaluated using a pre- and post-workshop test and two evaluation forms. χ(2) tests and linear regression analyses were conducted comparing pre- and post-workshop test results. RESULTS: A three-day workshop was developed and used to train 364 doctors, nurses and medical technologists from 78 hospitals across the Philippines in three initial batches. Knowledge about EVD increased significantly (P < 0.009) although knowledge on transmission remained suboptimal. Confidence in managing EVD increased significantly (P = 0.018) with 96% of participants feeling more prepared to safely manage EVD cases. DISCUSSION: The three-day workshop to prepare hospital staff for EVD was effective at increasing the level of knowledge about EVD and the level of confidence in managing EVD safely. This workshop could be adapted for use as baseline training in EVD in other developing countries to prepare large numbers of hospital staff to rapidly detect, isolate and safely manage EVD cases.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».