Using livelihoods to support primary health care for South Sudanese refugees in Kiryandongo, Uganda
Notice bibliographique
Résumé
Introduction: Conflict in South Sudan has displaced 2.3 million people, of whom 789,098 (35%) have taken refuge in Uganda – a country that allows refugees to work, own property, start their own businesses and access public health services. In this context, refugees have identified livelihoods and primary health care as key priorities for their wellbeing. Objective: Building on previous research in South Sudan and Uganda, the objective of our current work is exploring how income-generating livelihood activities and other interventions can be used to support primary health care for South Sudanese refugees in Kiryandongo District, Uganda. Methods: We drew on existing secondary data and five scoping visits to the refugee settlements in Kiryandongo and northern Uganda to formulate our approach. Results: In Kiryandongo District, primary health care and livelihoods can best be supported by an integrated combination of 1) providing standardised training to local Village Health Teams (VHTs); 2) helping organise VHTs into village savings and loan association groups; and 3) supporting VHTs with training to establish sustainable income-generating activities. Conclusions: Integrated interventions that address income-generating activities for community health workers can meet the basic needs of front-line volunteer primary health care staff and better enable them to improve the health of their communities. Keywords: primary health care, refugees, livelihoods, South Sudan, Uganda, Kiryandongo
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».