MétaCan
Menu
Retour à la cohorte
Enregistrement W2414200444 · doi:10.4236/ojn.2016.66048

Nurse Mentor Training Program to Improve Quality of Maternal and Newborn Care at Primary Health Centres: Process Evaluation

2016· article· en· W2414200444 sur OpenAlexafffund
Maryann Washington, Krishnamurthy Jayanna, Swarnarekha Bhat, Annamma Thomas, Suman Rao, Gayathiri Perumal, Troy Cunningham, Janet Bradley, Lisa Avery, Elisabeth Fischer, Prem Mony

Notice bibliographique

RevueOpen Journal of Nursing · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesUniversity of ManitobaBill and Melinda Gates Foundation
Mots-clésWorkforceNursingMedicineNurse practitionersHealth carePrimary careFamily medicine

Résumé

récupéré en direct d'OpenAlex

Quality of maternal and newborn care could be improved if health care providers’ knowledge and competencies as well as system level constraints are addressed. However, due to several barriers staff nurses who form the frontline of health care workforce have limited access to enhancing their clinical knowledge and competencies. To address this gap, a new cadre of nurse mentors (NMs) for the public health system were trained by specialists from a teaching hospital in a special 5-week training course. This included 54 hours of theory and 110 hours of practical in clinical obstetric and newborn care, apart from mentoring, quality improvement and health systems issues. The nurse mentors were assigned to support staff nurses in the primary health care centres (PHCs) in eight northern Karnataka districts. Each NM covered 6-8 PHCs monthly for 2 - 3 days and thus a total of 385 PHCs were reached. They received support in the field through supportive supervision visits done by the specialists who had trained them, as well as by refresher training and clinical postings to the district hospitals. This paper presents impact of the training program on change in immediate and long term knowledge and competency scores of nurse mentors. Their baseline knowledge scores changed from 44.3 ± 12.7 to 72.1 ± 13.8 immediately after the training in obstetric and from 18.2 ± 19.1 to 66.4 ± 14.9 in newborn (p p p > 0.05). Skills score soon after training increased from 62.2 ± 13.2 to 69.6 ± 12.5 in obstetric after a 1 year period and from 52.6 ± 9.3; 63.5 ± 14.4 in newborn (p < 0.001) content areas respectively. These findings have implications for those interested in improving quality of maternal and child care through nurse-dependent health delivery systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,070
Tête enseignante GPT0,460
Écart entre enseignants0,390 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOpen Journal of NursingMême sujetGlobal Maternal and Child HealthTravaux en français237 207