MétaCan
Menu
Retour à la cohorte
Enregistrement W2996387122 · doi:10.9734/ejnfs/2015/20961

Lessons in Scale-up of a Public Sector Zinc ORS Intervention for Childhood Diarrhoea Management in the Indian State of Bihar

2015· article· en· W2996387122 sur OpenAlexaff
Mahesh Srinivas, Sanjeev Kumar, Devaji Patil, Rakesh Jha, Rajiv Ranjan, Meena Jadhav

Notice bibliographique

RevueEuropean Journal of Nutrition & Food Safety · 2015
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensNutrition International
Organismes subventionnairesnon disponible
Mots-clésIntervention (counseling)State (computer science)Scale (ratio)ZincMedicinePublic sectorPolitical scienceGeographyNursingMathematicsMaterials scienceCartographyMetallurgy

Résumé

récupéré en direct d'OpenAlex

The Government of India introduced guidelines on therapeutic supplementation of zinc in the management of childhood diarrhoea in the year 2007, but programmatic constraints delayed its introduction into public health programs. Micronutrient Initiative, with support from a donor, initiated a program in 2010 to demonstrate and scale-up the use of zinc through public sector channels, in the state of Bihar. Methods: The project was implemented in 15 demonstration districts with a population of 36 million. Over 40,000 community level health workers were oriented on use of zinc. Support was provided to strengthen procurement and supply chain mechanisms. A robust system of monitoring and evaluation was introduced to track performance. Meaningful engagement with the government ensued throughout the demonstration phase. Results: Use of Community-level volunteers (CLVs) is a pre-requisite to scaling-up access to care. More than one-million children were reported to be provided care. The CLVs need to be engaged through a relevant supportive supervision model. Supply chain mechanisms need to be strengthened to prevent stock-outs at service delivery points. Simple reporting tools need to be introduced for improved case-reporting. Conclusions: It is feasible and viable to introduce and scale-up therapeutic zinc supplementation Conference

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,792
Score d'incertitude au seuil0,506

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
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 Opus0,050
Tête enseignante GPT0,288
Écart entre enseignants0,238 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Nutrition & Food SafetyMême sujetChild Nutrition and Water AccessTravaux en français237 207