Empowering Health Workers to Protect their Own Health: A Study of Enabling Factors and Barriers to Implementing HealthWISE in Mozambique, South Africa, and Zimbabwe
Notice bibliographique
Résumé
Ways to address the increasing global health workforce shortage include improving the occupational health and safety of health workers, particularly those in high-risk, low-resource settings. The World Health Organization and International Labour Organization designed HealthWISE, a quality improvement tool to help health workers identify workplace hazards to find and apply low-cost solutions. However, its implementation had never been systematically evaluated. We, therefore, studied the implementation of HealthWISE in seven hospitals in three countries: Mozambique, South Africa, and Zimbabwe. Through a multiple-case study and thematic analysis of data collected primarily from focus group discussions and questionnaires, we examined the enabling factors and barriers to the implementation of HealthWISE by applying the integrated Promoting Action on Research Implementation in Health Services (i-PARiHS) framework. Enabling factors included the willingness of workers to engage in the implementation, diverse teams that championed the process, and supportive senior leadership. Barriers included lack of clarity about how to use HealthWISE, insufficient funds, stretched human resources, older buildings, and lack of incident reporting infrastructure. Overall, successful implementation of HealthWISE required dedicated local team members who helped facilitate the process by adapting HealthWISE to the workers' occupational health and safety (OHS) knowledge and skill levels and the cultures and needs of their hospitals, cutting across all constructs of the i-PARiHS framework.
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 | 0,011 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,006 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 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 ».