Knowledge acquisition after Helping Babies Survive training in rural Tanzania
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.
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 | 0,001 | 0,004 |
| 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 | 0,001 |
| 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 ».