Nurse Mentor Training Program to Improve Quality of Maternal and Newborn Care at Primary Health Centres: Process Evaluation
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
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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