Estimating frontline health workforce for primary healthcare service delivery in Bauchi State, Nigeria
Notice bibliographique
Résumé
BACKGROUND: In Nigeria, adoption of the primary healthcare approach led to the establishment of numerous primary healthcare facilities, and training of new cadres of community health officers (CHOs), community health extension workers (CHEWs) and junior community health extension workers (JCHEWs). These new groups complemented the work of nurses and midwives. METHODS: We conducted a workload indicators of staffing needs study in the 20 local governments of Bauchi State, from March 2016 to September 2018, in all 317 ward-level primary healthcare facilities. RESULTS: Findings show a total of 128 existing nurses/midwives, a calculated requirement of 402 and a shortage of 274 nurses/midwives. Existing CHOs/CHEWs were 735, a calculated requirement was 948 and a shortage of 213 CHOs/CHEWs. The JCHEWs were 477, a calculated requirement of 481, with a shortage of four JCHEWs. CONCLUSION: Results from this study highlight the unequal distribution of health workers; the abundance of some frontline workers in some communities and dire need of others. We emphasize the need to strengthen health workforce planning to deliver essential primary healthcare services, particularly in rural and remote communities with high levels of vulnerability to diseases.
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 | 0,003 | 0,000 |
| 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 | 0,001 |
| 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 ».