A framework for the management of donated medical devices based on perspectives of frontline public health care staff in Ghana
Notice bibliographique
Résumé
Background: Transnational funders provide up to 80% of funds for medical devices in resource-limited settings, yet sustained access to medical devices remains unachievable. The primary goal of this study was to identify what factors hinder access to medical devices through the perspectives of frontline public hospital staff in Ghana involved in the implementation of transnational funding initiatives. Methods: A case study was developed that involved an analysis of semi-structured interviews of 57 frontline technical, clinical and administrative public health care staff at 23 sites in Ghana between March and April 2017; a review of the national guidelines for donations; and images of abandoned medical devices. Results: Six key themes emerged, demonstrating how policy, collaboration, quality, lifetime operating costs, attitudes of health care workers and representational leadership influence access to medical devices. An in-depth assessment of these themes has led to the development of an enterprise-wide comprehensive acquisition and management framework for medical devices in the context of transnational funding initiatives. Conclusion: The findings in this study underscore the importance of incorporating frontline health care staff in developing solutions that are targeted at improving delivery of care. Sustained access to medical devices may be achieved in Ghana through the adoption of a rigorous and comprehensive approach to acquisition, management and technical leadership. Funders and public health policy makers may use the study's findings to inform policy reform and to ensure that the efforts of transnational funders truly help to facilitate sustainable access to medical devices in Ghana.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».