Performance of the Neonatal Tetanus Surveillance System (NTSS) in Sana'a, Yemen: Evaluation Study
Notice bibliographique
Résumé
BACKGROUND: The Neonatal Tetanus Surveillance System (NTSS) in Yemen was established in 2009 to identify high-risk areas, determine trends, and evaluate elimination activities. Since its launch, the NTSS had never been evaluated. OBJECTIVE: This study aimed to assess the performance of NTSS and determine its strengths and weaknesses to recommend improvements. METHODS: The US Centers for Disease Control and Prevention (CDC) guidelines were used for evaluating the NTSS. Stakeholders at the central, district, and facility levels were interviewed to rate the attributes of the NTSS. The percentage scores for attributes were ranked as poor (<60%), average (≥60% to <80%) and good (≥80%). RESULTS: The overall usefulness score percentage was 38%, which indicates a poor performance. The performance of the NTSS was rated as average on flexibility (score percent: 68%) and acceptability (score percent: 64%) attributes and poor on stability (score percentage: 33%), simplicity (score percentage: 57%), and representativeness (score percentage: 39%) attributes. About 65% of investigation forms were completed within 48 hours of notification date. Data quality was poor, as 41% of the core variables were missing. CONCLUSIONS: The overall performance of the NTSS was poor. Most of the system attributes require improvement, including stability, simplicity, quality of data, and completeness of investigation. To improve the performance of NTSS, the following are recommended: capacity building of staff (focal points), strengthening NTSS through technical support and government funding to ensure its sustainability, establishing electronic investigation forms for improving the system data quality, and expansion of NTSS coverage to include all private health care facilities.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».