Maternal and child health performance of a national community health workers’ program using large administrative databases: a quantitative case study of Afghanistan
Notice bibliographique
Résumé
# Background Community health workers (CHW) are an established workforce in many low- and middle-income countries (LMICs). Some countries with national CHW programs are Brazil, India, Nepal, Ethiopia, Pakistan, Bangladesh, Iran, and Afghanistan. These large-scale CHW programs are often evaluated using data from individual CHWs rather than the program. There is a dearth of quantitative research on national CHW programs using health-related administrative datasets. The purpose of this paper is to describe geographical distribution of CHWs, the volume of their activities, and the relationship of their activities with recorded maternal and neonatal deaths in rural Afghanistan between 2009 and 2012. # Methods This paper is a quantitative analysis of national CHWs program using a large administrative database from the Afghan Ministry of Public Health linked to population census data from Afghanistan. # Results We found that CHWs and the aggregate volume of their activities have increased between 2009 and 2012 in rural Afghanistan. CHWs are not equitably distributed by population size in the 34 provinces of the country. Recorded maternal and neonatal deaths have shown an increase from 2009 to 2011 and a decrease from 2011 to 2012. # Conclusion Large administrative datasets are important data sources for research with a potential to offer valuable lessons for policymakers and health managers. Despite methodological and quality challenges, this study can be used as a baseline for future replications, a point of comparison for future research on national CHW programs for other countries.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».