Crossing borders: the PACK experience of spreading a complex health system intervention across low-income and middle-income countries
Notice bibliographique
Résumé
Developing a health system intervention that helps to improve primary care in a low-income and middle-income country (LMIC) is a considerable challenge; finding ways to spread that intervention to other LMICs is another. The Practical Approach to Care Kit (PACK) programme is a complex health system intervention that has been developed and adopted as policy in South Africa to improve and standardise primary care delivery. We have successfully spread PACK to several other LMICs, including Botswana, Brazil, Nigeria and Ethiopia. This paper describes our experiences of localising and implementing PACK in these countries, and our evolving mentorship model of localisation that entails our unit providing mentorship support to an in-country team to ensure that the programme is tailored to local resource constraints, burden of disease and on-the-ground realities. The iterative nature of the model's development meant that with each country experience, we could refine both the mentorship package and the programme itself with lessons from one country applied to the next-a 'learning health system' with global reach. While not yet formally evaluated, we appear to have created a feasible model for taking our health system intervention across more borders.
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 | 0,012 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,010 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,001 | 0,014 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».