Using the social entrepreneurship approach to generate innovative and sustainable malaria diagnosis interventions in Tanzania: a case study
Notice bibliographique
Résumé
BACKGROUND: There have been a number of interventions to date aimed at improving malaria diagnostic accuracy in sub-Saharan Africa. Yet, limited success is often reported for a number of reasons, especially in rural settings. This paper seeks to provide a framework for applied research aimed to improve malaria diagnosis using a combination of the established methods, participatory action research and social entrepreneurship. METHODS: This case study introduces the idea of using the social entrepreneurship approach (SEA) to create innovative and sustainable applied health research outcomes. The following key elements define the SEA: (1) identifying a locally relevant research topic and plan, (2) recognizing the importance of international multi-disciplinary teams and the incorporation of local knowledge, (3) engaging in a process of continuous innovation, adaptation and learning, (4) remaining motivated and determined to achieve sustainable long-term research outcomes and, (5) sharing and transferring ownership of the project with the international and local partner. EVALUATION: The SEA approach has a strong emphasis on innovation lead by local stakeholders. In this case, innovation resulted in a unique holistic research program aimed at understanding patient, laboratory and physician influences on accurate diagnosis of malaria. An evaluation of milestones for each SEA element revealed that the success of one element is intricately related to the success of other elements. CONCLUSIONS: The SEA will provide an additional framework for researchers and local stakeholders that promotes innovation and adaptability. This approach will facilitate the development of new ideas, strategies and approaches to understand how health issues, such as malaria, affect vulnerable communities.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».