MétaCan
Menu
Retour à la cohorte
Enregistrement W3135694030 · doi:10.2196/27606

Performance of the Neonatal Tetanus Surveillance System (NTSS) in Sana'a, Yemen: Evaluation Study

2021· article· en· W3135694030 sur OpenAlexvenueno aff
Khaled Mohammed Al-Jamrah, Basheer Abdulgalil Al Nabehi, Khaled Abdullah Almoayed, Labiba Anam, Yousef Khader

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueDiphtheria, Corynebacterium, and Tetanus
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineNeonatal tetanusRepresentativeness heuristicEnvironmental healthStatisticsPopulation

Résumé

récupéré en direct d'OpenAlex

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 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)0,015
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,020
Tête enseignante GPT0,281
Écart entre enseignants0,261 · 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'étudeObservationnel
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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetDiphtheria, Corynebacterium, and TetanusTravaux en français237 207