Systematic review on human resources for health interventions to improve maternal health outcomes: evidence from low- and middle-income countries
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
There is a broad consensus and evidence that shows qualified, accessible, and responsive human resources for health (HRH) can make a major impact on the health of the populations. At the same time, there is widespread recognition that HRH crises particularly in low- and middle-income countries (LMICs) impede the achievement of better health outcomes/targets. In order to achieve the Sustainable Development Goals (SDGs), equitable access to a skilled and motivated health worker within a performing health system is need to be ensured. This review contributes to the vast pool of literature towards the assessment of HRH for maternal health and is focused on interventions delivered by skilled birth attendants (SBAs). Studies were included if (a) any HRH interventions in management system, policy, finance, education, partnership, and leadership were implemented; (b) these were related to SBA; (c) reported outcomes related to maternal health; (d) the studies were conducted in LMICs; and (e) studies were in English. Studies were excluded if traditional birth attendants and/or community health workers were trained. The review identified 25 studies which revealed reasons for poor maternal health outcomes in LMICs despite the efforts and policies implemented throughout these years. This review suggested an urgent and immediate need for formative evidence-based research on effective HRH interventions for improved maternal health outcomes. Other initiatives such as education and empowerment of women, alleviating poverty, establishing gender equality, and provision of infrastructure, equipment, drugs, and supplies are all integral components that are required to achieve SDGs by reducing maternal mortality and improving maternal health.
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.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle