MétaCan
Menu
Retour à la cohorte
Enregistrement W2898094151 · doi:10.1136/bmjgh-2018-001088

Crossing borders: the PACK experience of spreading a complex health system intervention across low-income and middle-income countries

2018· article· en· W2898094151 sur OpenAlexafffund
Ruth Cornick, Camilla Wattrus, Tracy Eastman, Christy‐Joy Ras, Ajibola Awotiwon, Lauren Anderson, Eric D. Bateman, Jorge Zepeda, Merrick Zwarenstein, Tanya Doherty, Lara Fairall

Notice bibliographique

RevueBMJ Global Health · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensWestern University
Organismes subventionnairesHealth Resources and Services AdministrationInternational Development Research CentreCanadian International Development Agency
Mots-clésMentorshipIntervention (counseling)Low and middle income countriesGlobal healthDeveloping countryHealth careMedicinePublic healthBusinessEconomic growthNursingMedical educationEconomics

Résumé

récupéré en direct d'OpenAlex

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,107
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0050,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,080
Tête enseignante GPT0,517
Écart entre enseignants0,437 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMJ Global HealthMême sujetPrimary Care and Health OutcomesTravaux en français237 207