Missed appointments at maternal healthcare clinics in primary healthcare centres in Riyadh city: reasons and associated factors
Notice bibliographique
Résumé
Background: The issue of missed appointments at maternal healthcare clinics in primary healthcare centers (PHCCs) has received increasing attention in recent years. The significant relationship between missed appointments and access to maternal healthcare has been recognized around the world. Missed appointments have serious health and economic consequences for women seeking maternal healthcare at PHCCs. Objectives: The objectives of this research were 1) to critically explore the reasons for and socio-demographic factors associated with missed appointments at maternal healthcare clinics at PHCCs; and 2) to provide recommendations for health policy that might help to eliminate the problem of “no-show” maternal patients. Methods: Descriptive statistics were used to analyze the responses of 250 women regarding demographics, as well as their reasons for missing appointments and their preferences regarding appointment confirmation at maternal healthcare clinics at five PHCCs in Riyadh, Saudi Arabia. Results: The most frequent reasons associated with missed appointments reported by women included a lack of supplies and medical equipment, such as ultrasound machines, the unavailability of transportation and a lack of respect from PHCC staff. Conclusion: Developing easily accessible, flexible, interactive appointment systems with reminder/recall, providing means of transportation, providing training courses to PHCC employees on how to address these women and the provision of necessary medical equipment and facilities, such as ultrasound machines to all PHCCs are highly recommended to reduce the occurrence of missed appointments at maternal healthcare clinics at PHCCs in Riyadh, Saudi Arabia.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».