Knowledge acquisition after Helping Babies Survive training in rural Tanzania
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
BACKGROUND: While the effectiveness of Helping Babies Breathe (HBB) training in Tanzania has been reported, no published studies of Essential Care for Every Baby (ECEB) and Essential Care for Small Babies (ECSB) in this setting have been found. This study compared knowledge before and after HBB, ECEB and ECSB training in Tanzania. METHODS: Training was provided to future facilitators (n=16) and learners (n=24) in Tanzania. Using standardized multiple-choice questions, knowledge was assessed pre- and post-HBB and ECEB courses for both learners and facilitators, while ECSB assessment was conducted with facilitators only. A >80% score was considered to be a pass. Paired t-tests were used for hypothesis testing. RESULTS: Knowledge significantly improved for both facilitators and learners on HBB and ECEB (p<0.001) and for facilitators on ECSB (p<0.001). After training, learners had difficulty identifying correct responses on one HBB item (21% incorrect) and three ECEB items (25-29% incorrect). After training, facilitators had difficulty identifying correct responses on five ECSB items (22-44% incorrect). CONCLUSIONS: Training improved knowledge in Tanzania, but not sufficiently for feeding, especially for low birthweight babies. Targeted training on feeding is warranted both within the Helping Babies Survive program and in preclinical training to improve knowledge and skill to enhance essential newborn care.
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 | 0,000 | 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