MétaCan
Menu
← Retour à la cohorte
Enregistrement W3112210770 · doi:10.1136/bmjopen-2020-041746

Perspectives of health workers on the referral of women with obstetric complications: a qualitative study in rural Sierra Leone

2020· article· en· W3112210770 sur OpenAlexaff
Ryan Proos, Hanna M. Mathéron, Jonathan Vas Nunes, Abdul M Falama, Patricia Sery Kamal, Martin P. Grobusch, Thomas van den Akker

Notice bibliographique

RevueBMJ Open · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensAthena Sustainable Materials Institute
Organismes subventionnairesnon disponible
Mots-clésSierra leoneMedicineReferralHealth careHealth facilityQualitative researchFamily medicineRural areaRural healthPublic healthNursingEnvironmental healthPopulationSocioeconomicsHealth services

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Sierra Leone has one of the highest maternal mortality ratios in the world. Timely and well-coordinated referrals are necessary to reduce delays in providing adequate care for women with obstetric complications. This study describes factors affecting timely and adequate referral of women with obstetric complications in rural areas of Sierra Leone as viewed by health workers in rural health facilities. DESIGN: Qualitative research with semi-structured interviews using open-ended questions. Data were analysed by systematic text condensation. SETTING: Interviews were held in nine peripheral health units in rural Sierra Leone. PARTICIPANTS: 19 health workers including nurses, midwives and clinical health officers participated in nine interviews. RESULTS: From the interviews, four major themes describing possible factors of delay in referral of women in need of emergency obstetric care emerged: (1) communication between healthcare workers; (2) underlying influences on decision-making; (3) women's compliance to referral and (4) logistic constraints.Several factors in rural Sierra Leone are perceived to complicate timely and adequate referral of women in need of emergency obstetric care. Notable among these factors are fear among women for being referred and fear among healthcare workers for having maternal deaths or severe obstetric complications occurring at their own facilities. Furthermore, decision-making of healthcare workers whether to refer a woman or not is negatively influenced by a hierarchical culture with high power distance between healthcare workers. CONCLUSION: Factors identified that complicate timely and adequate referral of women in need of emergency obstetric care must be considered in efforts to reduce maternal mortality. Possible interventions that may reduce delay in referral include increased communication by mobile phones between health workers for advice and feedback regarding referrals, involvement of influential stakeholders to increase women's compliance to referral, and consistent use of standardised management protocols.

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)0,007
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,006
Communication savante0,0030,002
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,169
Tête enseignante GPT0,468
Écart entre enseignants0,298 · 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'étudeQualitatif
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→