The impact of supply-side and demand-side interventions on use of antenatal and maternal services in western Kenya: a qualitative study
Notice bibliographique
Résumé
BACKGROUND: Antenatal care (ANC) and delivery by skilled providers have been well recognized as effective strategies to prevent maternal and neonatal mortality. ANC and delivery services at health facilities, however, have been underutilized in Kenya. One potential strategy to increase the demand for ANC services is to provide health interventions as incentives for pregnant women. In 2013, an integrated ANC program was implemented in western Kenya to promote ANC visits by addressing both supply- and demand-side factors. Supply-side interventions included nurse training and supplies for obstetric emergencies and neonatal resuscitation. Demand-side interventions included SMS text messages with appointment reminders and educational contents, group education sessions, and vouchers to purchase health products. METHODS: To explore pregnant mothers' experiences with the intervention, ANC visits, and delivery, we conducted focus group discussions (FGDs) at pre- and post-intervention. A total of 19 FGDs were held with pregnant mothers, nurses, and community health workers (CHWs) during the two assessment periods. We performed thematic analyses to highlight study participants' perceptions and experiences. RESULTS: FGD data revealed that pregnant women perceived the risks of home-based delivery, recognized the benefits of facility-based delivery, and were motivated by the incentives to seek care despite barriers to care that included poverty, lack of transport, and poor treatment by nurses. Nurses also perceived the value of incentives to attract women to care but described obstacles to providing health care such as overwork, low pay, inadequate supplies and equipment, and insufficient staff. CHWs identified the utility and limitations of text messages for health education. CONCLUSIONS: Future interventions should ensure that adequate workforce, training, and supplies are in place to respond to increased demand for maternal and child health services stimulated by incentive programs.
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 | 0,008 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,004 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».