Health workforce responses to global health initiatives funding: a comparison of Malawi and Zambia
Notice bibliographique
Résumé
BACKGROUND: Shortages of health workers are obstacles to utilising global health initiative (GHI) funds effectively in Africa. This paper reports and analyses two countries' health workforce responses during a period of large increases in GHI funds. METHODS: Health facility record reviews were conducted in 52 facilities in Malawi and 39 facilities in Zambia in 2006/07 and 2008; quarterly totals from the last quarter of 2005 to the first quarter of 2008 inclusive in Malawi; and annual totals for 2004 to 2007 inclusive in Zambia. Topic-guided interviews were conducted with facility and district managers in both countries, and with health workers in Malawi. RESULTS: Facility data confirm significant scale-up in HIV/AIDS service delivery in both countries. In Malawi, this was supported by a large increase in lower trained cadres and only a modest increase in clinical staff numbers. Routine outpatient workload fell in urban facilities, in rural health centres and in facilities not providing antiretroviral treatment (ART), while it increased at district hospitals and in facilities providing ART. In Zambia, total staff and clinical staff numbers stagnated between 2004 and 2007. In rural areas, outpatient workload, which was higher than at urban facilities, increased further. Key informants described the effects of increased workloads in both countries and attributed staff migration from public health facilities to non-government facilities in Zambia to PEPFAR. CONCLUSIONS: Malawi, which received large levels of GHI funding from only the Global Fund, managed to increase facility staff across all levels of the health system: urban, district and rural health facilities, supported by task-shifting to lower trained staff. The more complex GHI arena in Zambia, where both Global Fund and PEPFAR provided large levels of support, may have undermined a coordinated national workforce response to addressing health worker shortages, leading to a less effective response in rural areas.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».