Improving maternal and child health outcomes through a community involvement strategy in Kabula location, Bungoma County, Kenya
Notice bibliographique
Résumé
Background: Maternal, fetal and neonatal mortality are higher in low-income compared to high-income countries due to weak health systems including poor access and utilization of health services. Despite enormous recent improvements in maternal, neonatal and under five children health indicators, more rapid progress is needed to meet the targets including the Sustainable Development Goal 3(SDG). In Kenya these indicators are still high and comprehensive systems are needed to attain these goals. Objective: To facilitate innovative partnerships in health care provision and to assess trends in access, utilization and quality of Maternal and Child Health care through the health systems approach using community owned initiatives including use of community owned resourse persons (CORPs), establishment of Community Based Organisations (CBOs) and Income Generating Activities(IGAs). Study site: This was implemented in Kabula location, Bungoma County, Kenya between January 2016 and April 2019. Study population: Pregnant women, newborns and under-five children living in Kabula location identified by Community Owned Resource Persons (CORPs). Methods: A prospective study to show trends in maternal, neonatal and infant outcomes through the implementation of community owned initiatives. Findings: General, under five and antenatal clinic attendance increased four fold in 2016,2017 and 2018. There was a 76% full immunization coverage with 97% BCG and 84% Polio coverage respectively among children studied. There was an 87% facility delivery rate among the pregnant women enrolled in the study. Conclusions: Trends in Maternal and under-five health indicators in Kabula showed improvements over the study period following the implementation of the community owned initiatives and community participation. Recommendations: The community owned initiatives as implemented in this study is useful in primary care and universal health coverage programs in health care delivery systems in LMICs.
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 | 0,001 | 0,001 |
| 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 | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».