Challenges in Implementing Community-Based Healthcare Teams in a Low-Income Country Context: Lessons From Ethiopia’s Family Health Teams
Notice bibliographique
Résumé
BACKGROUND: Addressing chronic diseases and intra-urban health disparities in low- and middle-income countries (LMICs) requires new health service models. Team-based healthcare models can improve management of chronic diseases/complex conditions. There is interest in integrating community health workers (CHWs) into these teams, given their effectiveness in reaching underserved populations. However healthcare team models are difficult to effectively implement, and there is little experience with team-based models in LMICs and with CHW-integrated models more generally. Our study aims to understand the determinants related to the poor adoption of Ethiopia's family health teams (FHTs); and, raise considerations for initiating CHW-integrated healthcare team models in LMIC cities. METHODS: Using the Consolidated Framework for Implementation Research (CFIR), we examine organizational-level factors related to implementation climate and readiness (work processes/incentives/resources/leadership) and system-level factors (policy guidelines/governance/financing) that affected adoption of FHTs in two Ethiopian cities. Using semi-structured interviews/focus groups, we sought implementation perspectives from 33 FHT members and 18 administrators. We used framework analysis to deductively code data to CFIR domains. RESULTS: Factors associated with implementation climate and readiness negatively impacted FHT adoption. Failure to tap into financial, political, and performance motivations of key stakeholders/FHT members contributed to low willingness to participate, while resource constraints restricted capacity to implement. Workload issues combined with no financial incentives/perceived benefit contributed to poor adoption among clinical professionals. Meanwhile, staffing constraints and unavailability of medicines/supplies/transport contributed to poor implementation readiness, further decreasing willingness among clinical professionals/managers to prioritize non-clinic based activities. The federally-driven program failed to provide budgetary incentives or tap into political motivations of municipal/health centre administrators. CONCLUSION: Lessons from Ethiopia's challenges in implementing its FHT program suggest that LMICs interested in adopting CHW-integrated healthcare team models should closely consider health system readiness (budgets, staffing, equipment/medicines) as well as incentivization strategies (financial, professional, political) to drive organizational change.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,003 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».