Translation and validation of Training Needs Analysis Questionnaire among reproductive, maternal and newborn health workers in Tanzania
Notice bibliographique
Résumé
BACKGROUND: Continuous professional development (CPD) has been reported to enhance healthcare workers' knowledge and skills, improve retention and recruitment, improve the quality of patient care, and reduce patient mortality. Therefore, validated training needs assessment tools are important to facilitate the design of effective CPD programs. METHODS: A cross-sectional survey was conducted using self-administered questionnaires. Participants were healthcare workers in reproductive, maternal, and neonatal health (RMNH) from seven hospitals, 12 health centers, and 17 dispensaries in eight districts of Mwanza Region, Tanzania. The training needs analysis (TNA) tool that was used for data collection was adapted and translated into Kiswahili from English version of the Hennessy-Hicks' Training Need Analysis Questionnaire (TNAQ). RESULTS: In total, 153 healthcare workers participated in this study. Most participants were female 83 % (n = 127), and 76 % (n = 115) were nurses. The average age was 39 years, and the mean duration working in RMNH was 7.9 years. The reliability of the adapted TNAQ was 0.954. Assessment of construct validity indicated that the comparative fit index was equal to 1. CONCLUSIONS: The adapted TNAQ appears to be reliable and valid for identifying professional training needs among healthcare workers in RMNH settings in Mwanza Region, Tanzania. Further studies with larger sample sizes are needed to test the use of the TNAQ in broader healthcare systems and settings.
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 | 0,009 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».