Assessment of the impact of quality improvement interventions on the quality of sick child care provided by Health Extension Workers in Ethiopia
Notice bibliographique
Résumé
BACKGROUND: Ethiopia has scaled up integrated community case management of childhood illness (iCCM), including several interventions to improve the performance of Health Extension Workers (HEWs). We assessed associations between interventions to improve iCCM quality of care and the observed quality of care among HEWs. METHODS: We assessed iCCM implementation strength and quality of care provided by HEWs in Ethiopia. Multivariate logistic regression analyses were performed to assess associations between interventions to improve iCCM quality of care and correct management of iCCM illnesses. FINDINGS: Children who were managed by an HEW who had attended a performance review and clinical mentoring meeting (PRCMM) had 8.3 (95% confidence interval (CI) 2.34-29.51) times the odds of being correctly managed, compared to children managed by an HEW who did not attend a PRCMM. Management by an HEW who received follow-up training also significantly increased the odds of correct management (odds ratio (OR) = 2.09, 95% CI 1.05-4.18). Supervision on iCCM (OR = 0.63, 95% CI 0.23-1.72) did not significantly affect the odds of receiving correct care. CONCLUSIONS: These results suggest PRCMM and follow-up training were effective interventions, while implementation of supportive supervision needs to be reviewed to improve impact.
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 | 0,015 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».