MAPPING HEALTH FACILITY CHARACTERISTICS AND LOCATION IN RURAL TANZANIA
Notice bibliographique
Résumé
BACKGROUND: Optimization of care-seeking for pregnancy, delivery, and child health could reduce global maternal child mortality, especially in rural Africa. However, limited documentation of location, services, and staffing hamper facility-strengthening initiatives. OBJECTIVES: A mapping exercise collected basic information and global positioning system (GPS) data to characterize health facilities in two Tanzanian districts. DESIGN/METHODS: Research assistants administered a questionnaire about health facility information (i.e. maternal, newborn and child health (MNCH) services offered, staffing) verbally to in-charges at each site. GPS coordinates were recorded and delivery areas were photographed with Garmin Oregon 650 receivers. Frequencies were analysed in SPSS. Individual shapefiles for GPS waypoints and track logs were merged, producing single shapefiles of all health facilities and access routes. RESULTS: Over six days, 102 sites were visited, including three previously unlisted facilities. Four percent were hospitals, 10% health centres (HCs) and 85% dispensaries (91% public, 9% private). Most facilities were rural (86%) or mixed (9%). Ninety percent reported delivery capacity; 6% offered advanced delivery services (i.e. Caesarean sections, blood transfusions). 19,210 deliveries were reported in the preceding year (40% at hospitals, 19% at HCs, 41% at dispensaries); 46% of deliveries occurred at advanced delivery sites. On staff were a total of 20 medical officers for a doctor to population ratio of 1: 42,168. Other payroll staff included 95 clinical officers, 444 nurses, and 243 medical attendants. On day of survey, 50% of payroll staff were present; 22% of delivery-conducting sites lacked any mid-level health provider. Maps detailing precise location of all health facilities and road networks (including previously unknown roads) were produced. CONCLUSION: This mapping exercise combined technical and practical information, yielding creation of a useful database and functional maps. Visual representation of MNCH services was well received by project and health planners. This relatively small investment will subsequently enable higher quality of data collection and ease of project planning.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».