Antenatal Doppler ultrasound implementation in a rural sub-Saharan African setting: exploring the perspectives of women and healthcare providers
Notice bibliographique
Résumé
BACKGROUND: The World Health Organization recommends research to evaluate the effects of a single third trimester Doppler ultrasound examination on preventable deaths in unselected-risk pregnancies, particularly in low- and middle-income countries (LMICs) where the evidence base is scarce. While evaluating such technologies, researchers often ignore women and health care provider perspectives. This study explored the views and experiences of women and healthcare providers regarding the use of advanced ultrasound technology to optimize the health of mothers and their babies in a rural community in mid-western Uganda. METHODS: We enrolled 53 mothers and 10 healthcare providers, and captured data on their perceptions, barriers, and facilitators to the use of Doppler ultrasound technology using focus group discussions, semi-structured interviews and observations. Using qualitative content analysis, we inductively coded the transcripts in ATLAS.ti 8.0, detecting emerging themes. RESULTS: Women were afraid that ultrasound would harm them or their fetuses and many of them had never seen an ultrasound scan. The majority of the women found their partners supportive to attend antenatal care and use ultrasound services. Healthcare providers in Kagadi Hospital were unfamiliar with Doppler technology and using it to guide clinical decisions. Other barriers to the implementation of Doppler ultrasound included shortage of trained local staff, insufficient equipment, long distance to and from the hospital, and frequent power cuts. CONCLUSIONS: We found limited exposure to Doppler ultrasound technology among women and healthcare providers in mid-western Uganda. Engaging male partners may potentially influence the likelihood of accepting and using it to improve the health of women and their fetuses while wide spread myths and misconceptions about it may be changed by community engagement. Healthcare workers experienced difficulties in offering follow-up care to mothers detected with complications and Doppler ultrasound required a high level of training. While introducing advanced ultrasound machines to weak health systems, it is important to adequately train healthcare providers to avoid inappropriate interventions based on misinterpretation of the findings, consider where it is likely to be most beneficial, and embed it with realistic clinical practice guidelines.
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 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,004 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».