MétaCan
Menu
Retour à la cohorte
Enregistrement W3116087975 · doi:10.1186/s12913-021-06176-y

Impact of COVID-19 on health services utilization in Province-2 of Nepal: a qualitative study among community members and stakeholders

2021· article· en· W3116087975 sur OpenAlexaff
Devendra Raj Singh, Dev Ram Sunuwar, Sunil Kumar Shah, Lalita Kumari Sah, Bipin Adhikari, Rajeeb Kumar Sah

Notice bibliographique

RevueBMC Health Services Research · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensHealth Care Foundation
Organismes subventionnairesnon disponible
Mots-clésMedicineThematic analysisQualitative researchPublic healthMisinformationHealth carePandemicNursingHealth informaticsHealth services researchEnvironmental healthCoronavirus disease 2019 (COVID-19)Economic growthPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The COVID-19 pandemic has posed unprecedented challenges and threats to the health care system, particularly affecting the effective delivery of essential health services in resource-poor countries such as Nepal. This study aimed to explore community perceptions of COVID-19 and their experiences towards health services utilization during the pandemic in Province-2 of Nepal. METHODS: The semi-structured qualitative interviews were conducted among purposively selected participants (n = 41) from a mix of rural and urban settings in all districts (n = 8) of the Province 2 of Nepal. Virtual interviews were conducted between July and August 2020 in local languages. The data were analyzed using thematic network analysis in NVivo 12 Pro. RESULTS: The findings of this research are categorized into four global themes: i) Community and stakeholders' perceptions towards COVID-19; ii) Impact of COVID-19 and lockdown on health services delivery; iii) Community perceptions and experiences of health services during COVID-19; and iv) COVID-19: testing, isolation, and quarantine services. Most participants shared their experience of being worried and anxious about COVID-19 and reported a lack of awareness, misinformation, and stigma as major factors contributing to the spread of COVID-19. Maternity services, immunization, and supply of essential medicine were found to be the most affected areas of health care delivery during the lockdown. Participants reported that the interruptions in health services were mostly due to the closure of health services at local health care facilities, limited affordability, and involvement of private health sectors during the pandemic, fears of COVID-19 transmission among health care workers and within health centers, and disruption of transportation services. In addition, the participants expressed frustrations on poor testing, isolation, and quarantine services related to COVID-19, and poor accountability from the government at all levels towards health services continuation/management during the COVID-19 pandemic. CONCLUSIONS: This study found that essential health services were severely affected during the COVID-19 pandemic in all districts of Province-2. It is critical to expand and continue the service coverage, and its quality (even more during pandemics), as well as increase public-private sector engagement to ensure the essential health services are available for the population.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,034
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,004
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
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 Opus0,487
Tête enseignante GPT0,626
Écart entre enseignants0,139 · 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

Citations161
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetCOVID-19 and Mental HealthTravaux en français237 207