Implementation challenges of maternal health care in Ghana: the case of health care providers in the Tamale Metropolis
Notice bibliographique
Résumé
BACKGROUND: Achieving the Millennium Development Goal (MDG) of improving maternal health has become a focus in recent times for the majority of countries in sub-Saharan Africa. Ghana's maternal mortality is still high indicating that there are challenges in the provision of quality maternal health care at the facility level. This study examined the implementation challenges of maternal health care services in the Tamale Metropolis of Ghana. METHODS: Purposive sampling was used to select study participants and qualitative strategies, including in-depth interviews, focus group discussions and review of documents employed for data collection. The study participants included midwives (24) and health managers (4) at the facility level. RESULTS: The study revealed inadequate in-service training, limited knowledge of health policies by midwives, increased workload, risks of infection, low motivation, inadequate labour wards, problems with transportation, and difficulties in following the procurement act, among others as some of the challenges confronting the successful implementation of the MDGs targeting maternal and child health in the Tamale Metropolis. CONCLUSIONS: Implementation of maternal health interventions should take into consideration the environment or the context under which the interventions are implemented by health care providers to ensure they are successful. The study recommends involving midwives in the health policy development process to secure their support and commitment towards successful implementation of maternal health interventions.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».