MétaCan
Menu
← Retour à la cohorte
Enregistrement W3043718352 · doi:10.1136/bmjopen-2019-036293

Effect and feasibility of district level scale up of maternal, newborn and child health interventions in Pakistan: a quasi-experimental study

2020· article· en· W3043718352 sur OpenAlexaff
Zahid Memon, Shah Muhammad, Sajid Soofi, Nimra Khan, Nadia Akseer, Atif Habib, Zulfiqar A Bhutta

Notice bibliographique

RevueBMJ Open · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensSickKids FoundationHospital for Sick Children
Organismes subventionnairesBill and Melinda Gates Foundation
Mots-clésMedicinePsychological interventionEnvironmental healthOutreachScale (ratio)Child mortalityPopulationPovertyPublic healthHealth careNursingEconomic growth

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Pakistan has a high burden of maternal, newborn and child morbidity and mortality. Several factors including weak scale-up of evidence-based interventions within the existing health system; lack of community awareness regarding health conditions; and poverty contribute to poor outcomes. Deaths and morbidity are largely preventable if a combination of community and facility-based interventions are rolled out at scale. METHODS AND ANALYSIS: Umeed-e-Nau (UeN) (New Hope) project aims is to improve maternal, newborn and child health (MNCH) in eight high-burden districts of Pakistan by scaling up of evidence-based interventions. The project will assess interventions focused on, first, improving the quality of MNCH care at primary level and secondary level. Second, interventions targeting demand generation such as community mobilisation, creating awareness of healthy practices and expanding coverage of outreach services will be evaluated. Third, we will also evaluate interventions targeting the improvement in quality of routine health information and promotion of use of the data for decision-making. Hypothesis of the project is that roll out of evidence-based interventions at scale will lead to at least 20% reduction in perinatal mortality and 30% decrease in diarrhoea and pneumonia case fatality in the target districts whereas two intervention groups will serve as internal controls. Monitoring and evaluation of the programme will be undertaken through conducting periodical population level surveys and quality of care assessments. Descriptive and multivariate analytical methods will be used for assessing the association between different factors, and difference in difference estimates will be used to assess the impact of the intervention on outcomes. ETHICS AND DISSEMINATION: The ethics approval was obtained from the Aga Khan University Ethics Review Committee. The findings of the project will be shared with relevant stakeholders and disseminated through open access peer-reviewed journal articles. TRIAL REGISTRATION NUMBER: NCT04184544; Pre-results.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: Essai non randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,003
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,109
Tête enseignante GPT0,477
Écart entre enseignants0,369 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Open→Même sujetGlobal Maternal and Child Health→Travaux en français237 207→