Implementation of a Newborn Clinical Decision Support Software (NoviGuide) in a Rural District Hospital in Eastern Uganda: Feasibility and Acceptability Study
Notice bibliographique
Résumé
BACKGROUND: Lack of trained health care workers and nonadherence to national guidelines are key barriers to achieving high-quality newborn care in health care facilities in low- and middle-income countries. Traditional didactic approaches addressing these barriers fail to account for high staff turnover rates and result in temporary behavior change. NoviGuide, a clinical decision support software designed to standardize neonatal care through point-of-care assessments, has the potential to align bedside practice to national guidelines in settings lacking subspecialty neonatal providers. OBJECTIVE: This study aims to determine the adaptation, adoption, feasibility, acceptability, and sustainability of NoviGuide and its impact on nurse-midwives' knowledge in a rural hospital in eastern Uganda. METHODS: This mixed methods observational study was guided by the Proctor framework. Experts reviewed the clinical content of NoviGuide to ensure fidelity to Uganda guidelines. We enrolled nurses and midwives providing newborn care at Tororo District Hospital, trained them on NoviGuide use, and followed them for 12 months. We assessed adoption, feasibility, acceptability, and sustainability by analyzing NoviGuide use data, comparing it with maternity registry data and administering the System Usability Scale (SUS) and the Center for Health Care Evaluation Provider Satisfaction Questionnaire. We compared the mean knowledge assessment score at baseline, 6 months, and 12 months using a two-tailed t test. RESULTS: Five Ugandan experts suggested two minor changes to NoviGuide: the inclusion of an unsterile birth environment as an indication for empiric antibiotics and the addition of a reminder to follow-up with newborns with temperatures between 37.7°C and 37.9°C. Of the 19 nurse-midwives enrolled in February 2017, 74% (n=14) completed the follow-up in March 2018. The participants entered a total of 1705 assessments of varying newborn characteristics into NoviGuide throughout the day, evening, and night nursing shifts. The SUS score at the end of the study was very high (93.5, above the average of 68). Participants had a positive perception about NoviGuide, reporting that NoviGuide saved time (mean 5, SD 0) and prevented mistakes (mean 5, SD 0), and that they felt more confident in taking care of newborns when they used NoviGuide (mean 5, SD 0). Participants were highly satisfied with NoviGuide (mean 4.86, SD 0.36), although they lacked medical supplies and materials needed to follow NoviGuide recommendations (mean 3.3, SD 1.22). The participants' knowledge scores improved by a mean change of 3.7 (95% CI 2.6-4.8) at 6 months and 6.7 (95% CI 4.6-8.2) at 12 months (P<.001). CONCLUSIONS: NoviGuide was easily adapted to the Uganda guidelines. Nurse-midwives used NoviGuide frequently and reported high levels of satisfaction despite challenges with medical supplies and high staff turnover. NoviGuide improved knowledge and confidence in newborn care without in-person didactic training. NoviGuide use has the potential to scale up quality newborn care by facilitating adherence to national guidelines.
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 | 0,012 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».