Challenges and recommendations to improve implementation of phototherapy among neonates in Malawian hospitals
Notice bibliographique
Résumé
BACKGROUND: Severe neonatal jaundice can result in long term morbidities and mortality when left untreated. Phototherapy is the main-stay intervention for treating moderate jaundice and for prevention of the development of severe jaundice. However, in resource-limited health care settings, phototherapy has been inconsistently used. The objective of this study is to evaluate barriers and facilitators for phototherapy to treat neonatal jaundice at Malawian hospitals. METHODS: We conducted a convergent mixed-method study comprised of a facility assessment and qualitative interviews with healthcare workers and caregivers in southern Malawi. The facility assessment was conducted at three secondary-level hospitals in rural districts. In-depth interviews following a semi-structured topic guide were conducted at a district hospital and a tertiary-level hospital. Interviews were thematically analysed in NVivo 12 software (QSR International, Melbourne, Australia). RESULTS: The facility assessment found critical gaps in initiating and monitoring phototherapy in all facilities. Based on a total of 31 interviews, participants identified key challenges in diagnosing neonatal jaundice, counselling caregivers, and availability of infrastructure. Participants emphasized the need for transcutaneous bilirubinometers to guide treatment decisions. Caregivers were sometimes fearful of potential harmful effects of phototherapy, which required adequate explanation to mothers and family members in non-medical language. Task shifting and engaging peer support for caregivers with concerns about phototherapy was recommended. CONCLUSION: Implementation of a therapeutic intervention is limited if accurate diagnostic tests are unavailable. The scale up of therapeutic interventions, such as phototherapy for neonatal jaundice, requires careful holistic attention to infrastructural needs, supportive services such as laboratory integration as well as trained human resources.
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 | 0,017 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,003 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,006 | 0,010 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,001 |
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 ».