‘When you preach water and you drink wine’: WASH in healthcare facilities in Kenya
Notice bibliographique
Résumé
Abstract Access to basic water, sanitation and hygiene, waste management and environment cleaning (WASH) in healthcare facilities (HCFs) is critical for infection prevention and control. The WHO/UNICEF 2019 global baseline report on WASH in HCFs indicates that 51 and 23% of those in sub-Saharan Africa have basic access to water and sanitation, respectively. Guided by the political ecology of health theory, this research engaged with 13 key informants, 16 healthcare workers and 31 community members on their experiences on the implementation, use and management of WASH in HCFs. Interviews were conducted in one informal settlement and three rural dispensaries in Kisumu, Kenya from May to September 2019. Findings indicate improvement in water access, yet water quality and other WASH service components remain a challenge even in newly constructed maternity facilities, thus impacting local health promotion efforts. Institutional challenges such as limited financial resources and ecological factors like climate variability and disease outbreaks compromised WASH infrastructure and HCF resilience. To achieve Sustainable Development Goal 3, good health and well-being, as well as Sustainable Development Goal 6, clean water and sanitation, the prioritisation of WASH in HCFs is required at all levels, from the local to the global.
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 | 0,000 | 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 ».