‘I know those people will be approachable and not mistreat us’: a qualitative study of inspectors and private drug sellers’ views on peer supervision in rural Uganda
Notice bibliographique
Résumé
BACKGROUND: Peer supervision improves health care delivery by health workers. However, in rural Uganda, self-supervision is what is prescribed for licensed private drug sellers by statutory guidelines. Evidence shows that self-supervision encourages inappropriate treatment of children less than 5 years of age by private drug sellers. This study constructed a model for an appropriate peer supervisor to augment the self-supervision currently practiced by drug sellers at district level in rural Uganda. METHODS: In this qualitative study, six Key informant interviews were held with inspectors while ten focus group discussions were conducted with 130 drug sellers. Data analysis was informed by the Kathy Charmaz constructive approach to grounded theory. Atlas ti.7 software package was used for data management. RESULTS: A model with four dimensions defining an appropriate peer supervisor was developed. The dimensions included; incentives, clearly defined roles, mediation and role model peer supervisor. While all dimensions were regarded as being important, all participants interviewed agreed that incentives for peer supervisors were the most crucial. Overall, an appropriate peer supervisor was described as being exemplary to other drug sellers, operated within a defined framework, well facilitated to do their role and a good go-between drug sellers and government inspectors. CONCLUSION: Four central contributions advance literature by the model developed by our study. First, the model fills a supervision gap for rural private drug sellers. Second, it highlights the need for terms of reference for peer supervisors. Third, it describes who an appropriate peer supervisor should be. Lastly, it elucidates the kind of resources needed for peer supervision.
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 | 0,019 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,014 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,005 |
| 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 ».