Community midwifery initiatives in fragile and conflict-affected countries: a scoping review of approaches from recruitment to retention
Notice bibliographique
Résumé
BACKGROUND: Birth assisted by skilled health workers is one of the most effective interventions for reducing maternal and neonatal mortality. Fragile and conflict-affected states and situations (FCAS), with one-third of global maternal deaths, face significant challenges in achieving skilled care at birth, particularly in health workforce development. The importance of community-level midwifery services to improve skilled care is internationally recognized, but the literature on FCAS is limited. This review aimed to examine community midwifery (CMW) approaches, from recruitment to retention, in FCAS. METHODS: This scoping review design adapted Arksey and O'Malley's six-stage framework. Data collection included systematic searching of seven databases, purposive hand-searching of reference lists and web sites, and stakeholder engagement for additional information. Potential sources were screened against inclusion and exclusion criteria. Included sources were appraised for methodological quality using the McGill University Mixed Methods Appraisal Tool. Data were analysed thematically, using deductive (i.e. cadre definition, recruitment, education, deployment and retention) and inductive coding (i.e. capacity, gender and insecurity). RESULTS: Twenty-three sources were included, of 2729 identified, discussing community midwifery programmes in six FCAS (i.e. eight for Sudan, six for Afghanistan, three each for Mali and Yemen, two for South Sudan and one for Somalia). Source quality was relatively poor, and cadre definitions were context dependent. Major enablers for effective CMW programmes were community linkages and acceptance, while barriers included inappropriate recruitment, non-standardized education, weak supportive environment, political insecurity and violence. CONCLUSIONS: While community engagement and acceptance were crucial, CMW programmes were weakened by inappropriate recruitment and training, lack of support and general insecurity. Further research and implementation evidence is needed to aid policy-makers, donors and implementing agencies in developing and implementing effective CMW programmes in FCAS.
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 | 0,069 | 0,157 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,021 | 0,028 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».