Effect of COVID-19 pandemic on home delivery of contraceptives by community health workers in India
Notice bibliographique
Résumé
The World Health Organization (WHO) declared COVID-19 a global health emergency in January 2020, leading to a nationwide lockdown in India. It has been an experience from other outbreaks that governments cannot maintain the essential health services and guarantee health services. Due to COVID-19-related case management, all health schemes, including FP services, have been disrupted globally regarding availability, accessibility, appropriateness of service delivery, adequacy, and continuity of care. The impact of the pandemic on FP services listed includes disruptions in supply chain management, enhanced gender inequity, communication barriers, fear of going outside and buying contraceptives, discontinuity of ASHA capacity building, increased time spent with all family members, reverse migration of workers, and increased need of contraceptive commodities. Evidence shows the consequence of non-supply of logistics, social distancing, inadequate human resources, and inability to access services might result in 26 million couples in unmet need for contraception, resulting in 2.4 million unintended pregnancies and 1.45 million abortions, which may lead to unsafe abortions. Potential solutions to these problems include telephonic service delivery, maintaining a record, using video communication and other technological solutions using a smartphone, combining routine immunization with FP services, and installing self-dispensing machines for contraceptives at accessible places. The limitation of this work is that this is wholly experienced-based work and not based on primary findings from the field level data. These findings highlight the importance of reproductive health needs during the pandemic and guide policymakers.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».