Equity for health delivery: Opportunity costs and benefits among Community Health Workers in Rwanda
Notice bibliographique
Résumé
Community Health Workers (CHWs) play a vital role delivering health services to vulnerable populations in low resource settings. In Rwanda, CHWs provide village-level care focused on maternal/child health, control of infectious diseases, and health education, but do not receive salaries for these services. CHWs make up the largest single group involved in health delivery in the country; however, limited information is available regarding the socio-economic circumstances and satisfaction levels of this workforce. Such information can support governments aiming to control infectious diseases and alleviate poverty through enhanced healthcare delivery. The objectives of this study were to (1) evaluate CHW opportunity costs, (2) identify drivers for CHW motivation, job satisfaction and care provision, and (3) report CHW ideas for improving retention and service delivery. In this mixed-methods study, our team conducted in-depth interviews with 145 CHWs from three districts (Kirehe, Kayonza, Burera) to collect information on household economics and experiences in delivering healthcare. Across the three districts, CHWs contributed approximately four hours of volunteer work per day (range: 0-12 hrs/day), which translated to 127 684 RWF per year (range: 2 359-2 247 807 RWF/yr) in lost personal income. CHW out-of-pocket expenditures (e.g. patient transportation) were estimated at 36 228 RWF per year (range: 3 600-364 800 RWF/yr). Participants identified many benefits to being CHWs, including free healthcare training, improved social status, and the satisfaction of helping others. They also identified challenges, such as aging equipment, discrepancies in financial reimbursements, poverty, and lack of formal workspaces or working hours. Lastly, CHWs provided perspectives on reasonable and feasible improvements to village-level health programming that could improve conditions and equity for those providing and using the CHW system.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».