Measles Data Reporting in the District Health Information System: A Case Study of Gombe State
Notice bibliographique
Résumé
BACKGROUND: The District Health Information System (DHIS2) is a modular, cloud-based data management system designed for use in integrated health information systems. In Nigeria, it serves as the repository for routine health data, including measles. A first dose of measles is given routinely in most countries, however, for a country to include a second dose of measles in the routine immunization schedule, it must meet certain criteria set by the World Health Organization (WHO). Unfortunately, Nigeria falls into the category of countries that haven’t met the criteria. Despite this, MCV2 data can be seen on the DHIS2 platform. Data from DHIS2 also shows that Gombe State has the highest number of health facilities that reported MCV2 data at least once from 2015 to 2017. The aim of the study was to determine the reasons for the MCV2 reporting on DHIS2 platform for Gombe State. METHOD: We conducted a cross-sectional study among health workers in selected health facilities and LGA RI Officers at the LGA level in Gombe State. Health facility registers were reviewed, and data consistency was ascertained. We reviewed and conducted secondary data analysis of MCV2 data for Gombe State from January 2015 to December 2017. RESULTS: Of the 22 health facilities assessed, 14 health facilities (12 public and 2 private) reported offering MCV2 during the health facility-level interviews. At the LGA level, 5 LGAs out of the 11 LGAs reported during the LGA-level interviews that a second dose of measles is part of the RI schedule in their respective LGAs. For the 6 LGAs that reported not offering a second dose of measles as part of the RI schedule, 3 LGAs identified data entry error as the possible reason for having MCV2 data in the DHSI2 platform while the remaining 3 LGAs reported that the MCV2 data in the DHIS2 platform can be attributed to recording children who didn’t receive a first dose of measles at 9 months but received at 18–23 months as second dose of measles. CONCLUSION: Data entry error and knowledge gap on how to record measles data were identified factors responsible for MCV2 data on the DHIS2 platform. There is a need for targeted interventions towards improving the quality of RI data in Nigeria.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».