Quality of care during childbirth at public health facilities in Bangladesh: a cross-sectional study using WHO/UNICEF ‘Every Mother Every Newborn (EMEN)’ standards
Notice bibliographique
Résumé
BACKGROUND: This manuscript presents findings from a baseline assessment of health facilities in Bangladesh prior to the implementation of the 'Every Mother Every Newborn Quality Improvement' initiative. METHODOLOGY: A cross-sectional survey was conducted between June and August 2016 in 15 government health facilities. Structural readiness was assessed by observing the physical environment, the availability of essential drugs and equipment, and the functionality of the referral system. Structured interviews were conducted with care providers and facility managers on human resource availability and training in the maternal and newborn care. Observation of births, reviews of patient records and exit interviews with women who were discharged from the selected health facilities were used to assess the provision and experience of care. RESULTS: Only six (40%) facilities assessed had designated maternity wards and 11 had newborn care corners. There were stock-outs of emergency drugs including magnesium sulfate and oxytocin in nearly all facilities. Two-thirds of the positions for medical officers was vacant in district hospitals and half of the positions for nurses was vacant in subdistrict facilities. Only 60 (45%) healthcare providers interviewed received training on newborn complication management. No health facility used partograph for labour monitoring. Blood pressure was not measured in half (48%) and urine protein in 99% of pregnant women. Only 27% of babies were placed skin to skin with their mothers. Most mothers (97%) said that they were satisfied with the care received, however, only 46% intended on returning to the same facility for future deliveries. CONCLUSIONS: Systematic implementation of quality standards to mitigate these gaps in service readiness, provision and experience of care is the next step to accelerate the country's progress in reducing the maternal and neonatal deaths.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».