Impact of Training of Primary Health Care Centers’ Vaccinators on Immunization Session Practices in Wasit Governorate, Iraq: Interventional Study
Notice bibliographique
Résumé
BACKGROUND: Immunization averts more than 2.5 million deaths of children annually. The World Health Organization (WHO) and the United Nations Children's Fund estimates of immunization coverage in Iraq in 2015 revealed a 58% coverage for the third dose of the diphtheria-tetanus-pertussis vaccine and a 57% coverage for the measles vaccine. High-quality immunization session practices (ISPs) can ensure safer, more effective vaccination and higher coverage rates. OBJECTIVE: The goal of this study was to assess the impact of training of primary health care centers' (PHCs) vaccinators on the quality of ISPs. METHODS: This was an interventional study conducted on 10 (18%) PHCs in Wasit Governorate. Two PHCs were randomly selected from each health district. ISPs were assessed by direct on-job observation, using modified WHO immunization session checklists. Findings were grouped into seven domains: vaccine and diluent management, cold chain management, session equipment, registration, communication, vaccine preparation and administration, and waste management. The vaccinators were enrolled in a one-day training session using the WHO module, "Managing an Immunization Session", and one month later a second assessment was conducted using the same tools and techniques. We then calculated the median differences of the domains' scores. RESULTS: A total of 42 vaccinators were trained, with 25 (60%) of them having graduated from technical health institutes, but only 15 (36%) having had previous training on standard ISPs. Following training, a significant improvement was noticed in three domains: vaccines and diluents management (P=.01), cold chain management (P=.01) and vaccine preparation and administration (P=.02). CONCLUSIONS: The training of the PHCs' vaccinators for a single day was effective in improving some ISPs. We would recommend using this training module, or a more in-depth one, for other PHCs to improve utilization of immunization services.
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 | 0,003 | 0,006 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».