Impact of ASHA Training on Active Case Detection of Visceral Leishmaniasis in Bihar, India
Notice bibliographique
Résumé
BACKGROUND: One of the major challenges for management of visceral leishmaniasis (VL) is early diagnosis of cases to improve treatment outcome and reduce transmission. We have therefore investigated active case detection of VL with the help of accredited social health activists (ASHA). ASHAs are women who live in the community and receive performance-based incentives for overseeing maternal and other health-related issues in their village. METHODS AND PRINCIPAL FINDING: Through conducting interviews with 400 randomly selected ASHAs from four primary health care centers (PHCs), it was observed that their level of knowledge about visceral leishmaniasis (VL) regarding transmission, diagnosis, and treatment was limited. The baseline data indicated that less than 10% of VL cases seeking treatment at the PHCs were referred by ASHAs. To increase the knowledge and the referral rate of VL cases by ASHAs, training sessions were carried out during the monthly ASHA meetings at their respective PHCs. Following a single training session, the referral rate increased from less than 10% to over 27% and the overall knowledge about VL substantially improved. It was not possible, however, to demonstrate that ASHA training reduced the time that individuals had fever before treatment at the PHC. CONCLUSIONS: Training ASHAs to identify VL cases in villages for early diagnosis and treatment at the local PHC is feasible and should be undertaken routinely to improve knowledge about VL.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».