Potential contributions of an on-site nurse mentoring program on neonatal mortality reductions in rural Karnataka state, South India: evidence from repeat community cross-sectional surveys
Notice bibliographique
Résumé
Abstract Background: We assessed the effects of a nurse mentoring program on neonatal mortality in eight districts in India. Methods: From 2012 to 2015, nurse mentors supported improvements in critical MNCH-related practices among health providers at primary health centres (PHCs) in northern Karnataka, South India. Baseline (n=5,240) and endline (n=5,154) surveys of randomly selected ever-married women were conducted. Neonatal mortality rates (NMR) among the last live-born children in the three years prior to each survey delivered in NM and non-NM-supported facilities were calculated and compared using survival analysis and cumulative hazard function. Mortality rates on days 1, 2-7 and 8-28 post-partum were compared. Cox survival regression analysis measured the adjusted effect on neonatal mortality of delivering in a nurse mentor supported facility. Results: Overall, neonatal mortality rate in the three years preceding the baseline and endline surveys was 30.5 (95% CI 24.3-38.4) and 21.6 (95% CI 16.3-28.7) respectively. There was a substantial decline in neonatal mortality between the survey rounds among children delivered in PHCs supported by NM: 29.4 (95% CI 18.1-47.5) vs. 9.3 (95% CI 3.9-22.3) (p=0.09). No significant declines in neonatal mortality rate were observed among children delivered in other facilities or at home. In regression analysis, among children born in nurse mentor supported facilities, the estimated hazard ratio at endline was significantly lower compared with baseline (HR: 0.23, 95% CI: 0.06-0.82, p=0.02). Conclusion: The nurse mentoring program was associated with a substantial reduction in neonatal mortality. Further research is warranted to delineate whether this may be an effective strategy for reducing NMR in resource-poor settings. [b]Key words:[/b] Nurse mentoring, Quality of care, Neonatal mortality This work was supported by the Bill & Melinda Gates Foundation, Grant Number OPPGH5310
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 | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».