Analysis of the implementation of a community-based intervention to control dengue fever in Burkina Faso
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: A community-based dengue fever intervention was implemented in Burkina Faso in 2017. The results achieved vary from one area to another. The objective of this article is to analyze the implementation of this intervention, to better understand the process, and to explain the contextual elements of performance variations in implementation. METHODOLOGY: The research was conducted in the former sector 22 of the city of Ouagadougou. We adapted the Consolidated Framework for Implementation Research (CFIR) to take into account the realities of the context and the intervention. The data collected from the participants directly involved in the implementation using three techniques: document consultation, individual interview, and focus group. RESULTS: Two dimensions of CFIR emerge from the results as having had a positive influence on the implementation: (i) the characteristics of the intervention and (ii) the processes of the intervention implementation. The majority of the CFIR constructions were considered to have had a positive effect on implementation. The quality and strength of the evidence received the highest score. The dimension of the external context had a negative influence on the implementation of the intervention. CONCLUSION: The objective of the study was to analyze the influence of contextual elements on the implementation process of a community-based dengue fever intervention. We used the CFIR framework already used by many studies for implementation analysis. Although it was not possible to test this framework in its entirety, it is useful for the analysis of the implementation. Its use is simple and does not require any special skills from users. Usability is indeed an essential criterion for the relevance of using an analytical framework in implementation science.
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.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle