MétaCan
Menu
Retour à la cohorte
Enregistrement W3127925328 · doi:10.1186/s12960-021-00560-9

Working towards universal health coverage: a qualitative study to identify strategies for improving student enrolment for the pre-service training of nurses, midwives and community health workers in Nigerian health training institutions

2021· article· en· W3127925328 sur OpenAlexfundno aff
Ekechi Okereke, Babatunde Ahonsi

Notice bibliographique

RevueHuman Resources for Health · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensnon disponible
Organismes subventionnairesGlobal Affairs CanadaWorld Health Organization
Mots-clésWorkforceQualitative researchHealth administrationPublic healthGovernment (linguistics)MedicineHealth services researchNursingFocus groupHealth policyMedical educationHealth carePublic relationsBusinessPolitical scienceSociologyMarketing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Student enrolment processes and practices can affect the quality of pre-service training programmes. These processes and practices may have serious implications for the quality and quantity of students within health training institutions, the quality of education for prospective health workers and consequently health workforce performance. This study assessed current student enrolment processes and practices for nurses, midwives and community health workers within health training institutions in two Nigerian states, so as to identify strategies for improving student enrolment for these key cadres of frontline health workers. METHODS: This study was carried out in Bauchi and Cross-River States, which are the two Human Resources for Health (HRH) project focal states in Nigeria. Utilizing a qualitative research design, 55 in-depth interviews and 13 focus group discussions were conducted with key stakeholders including students and tutors from pre-service health training institutions as well as policy-makers and public sector decision-makers from Ministries of Health, Government Agencies and Regulatory Bodies. Study participants were purposively sampled and the qualitative data were audio-recorded, transcribed and then thematically analysed. RESULTS: Study participants broadly described the application process to include the purchase, completion and submission of application forms by prospective students prior to participation in entrance examinations and oral interviews. The use of 'weeding examinations' during the student enrolment process, especially in Bauchi state, was identified as a useful quality assurance mechanism for the pre-service training programmes of frontline health workers. Other strategies identified by stakeholders to address challenges with student enrolment include sustained advocacy to counter-cultural norms and gender stereotypes vis-à-vis certain professions, provision of scholarships for trainee frontline health workers and ultimately the development as well as effective implementation of national and state-specific policy and implementation guidelines for the student enrolment of key frontline health workers. CONCLUSION: While there are challenges which currently affect student enrolment for nurses, midwives and community health workers in Nigeria, this study has proposed key strategies which if carefully considered and implemented can substantially improve the status quo. These will probably have far-reaching implications for improving health workforce performance, population health outcomes and efforts to achieve universal health coverage.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
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 enseignants0,146
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,148
Tête enseignante GPT0,479
Écart entre enseignants0,331 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman Resources for HealthMême sujetGlobal Maternal and Child HealthTravaux en français237 207