Use of a community-led prevention strategy to enhance behavioral changes towards Ebola virus disease prevention: a qualitative case study in Western Côte d’Ivoire
Notice bibliographique
Résumé
BACKGROUND: Starting in December 2013, the Ebola virus disease (EVD) epidemic spread in West Africa through five countries (Sierra Leone, Liberia, Guinea, Nigeria, and Mali), killing over 11,300 people. In partnership with Côte d'Ivoire's Ministry of Health, the International Rescue Committee instigated a community-led strategy aimed at promoting behavior change in order to prevent potential Ebola outbreaks in the country. The strategy was implemented in Western districts bordering Liberia, Guinea, and Mali. This study aims to analyze the community-led strategy, to document lessons learned from the experience, and to capitalize on the achievements. METHODS: A case study in four districts of Western Côte d'Ivoire, i.e. Biankouma, Danané, Odienné and Touba districts was carried out. Qualitative data in 12 villages (i.e., three villages per district) was collected from 62 healthcare workers, community leaders, and ordinary community members. Data was de-identified, coded and analyzed using a thematic approach. RESULTS: The community-led strategy was socially accepted in the villages. Even though some community leaders reported that sensitization had been, at times, constrained by a lack of equipment, the people interviewed demonstrated accurate understanding of information about prevention practices. Some practices were easily adopted, while others remained difficult to implement (e.g., ensuring safe and dignified dead body management). CONCLUSION: This research demonstrates that sensitization efforts led by well-integrated and respected community leaders can be conducive of behavior change. Lessons learned from the community-led strategy could be applied to future disease outbreaks.
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 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».