MétaCan
Menu
← Retour à la cohorte
Enregistrement W4294875663 · doi:10.1186/s12913-022-08448-7

Building leadership and managerial capacity for maternal and newborn health services

2022· article· en· W4294875663 sur OpenAlexafffund
Gail Tomblin Murphy, Godfrey Mtey, Angelo Nyamtema, John C. LeBlanc, Janet Rigby, Zabron Abel, Lilian Teddy Mselle

Notice bibliographique

RevueBMC Health Services Research · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensIzaak Walton Killam Health CentreNova Scotia Health AuthorityDalhousie University
Organismes subventionnairesCanadian Institutes of Health ResearchGlobal Affairs CanadaInternational Development Research Centre
Mots-clésHealth administrationCLARITYMedicineContext (archaeology)Health services researchFocus groupNursingHealth facilityBaseline (sea)Health careTanzaniaHealth informaticsMedical educationPublic healthBusinessEnvironmental healthMarketingSocioeconomicsHealth servicesPolitical sciencePopulation

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Strengthening leadership and management is important for building an effective and efficient health system. This paper presents the findings from a L&M capacity building initiative which was implemented as part of a larger study aimed at improving maternal and newborn outcomes within primary health facilities in the Morogoro, Tanzania. METHODS: The initiative, involving 30 stakeholders from 20 primary health facilities, 4 council health management teams and the regional health management team in the Morogoro region, provided leadership and managerial training through two 5-day in-person workshops, onsite mentoring, and e-learning modules. The initiative was evaluated using a pre-post design. Quantitative instruments included the 'Big Results Now' star-rating assessments and a team-developed survey for health providers/managers. The 'Big Results Now' star-rating assessments, conducted in 2018 (19 facilities) and 2021 (20 facilities), measured overall facility leadership and management capability, with comparisons of star-ratings from the two time-points providing indication of improvement. The survey was used to measure 3 key leadership indicators - team climate, role clarity/conflict and job satisfaction. The survey was completed by 97 respondents at baseline and 100 at follow up. Paired t-tests were used to examine mean score differences for each indicator. Triangulated findings from focus groups with 99 health providers and health management team members provided support and context for quantitative findings. RESULTS: Star-ratings increased in 15 (79%) of 19 facilities, with the number of facilities achieving the target of 3 plus stars increasing from 2 (10%) in 2018 to 10 (50%) in 2021, indicating improved organizational performance. From the survey, team climate, job satisfaction and role clarity improved across the facilities over the 3 project years. Focus group discussions related this improvement to the leadership and managerial capacity-building. CONCLUSION: Improved leadership and managerial capacity in the participating health facilities and enhanced communication between the health facility, council and regional health management teams created a more supportive workplace environment, leading to enhanced teamwork, job satisfaction, productivity, and improved services for mothers and newborns. Leadership and managerial training at all levels is important for ensuring efficient and effective health service provision.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,002
Communication savante0,0030,001
Science ouverte0,0010,005
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,106
Tête enseignante GPT0,416
Écart entre enseignants0,309 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Health Services Research→Même sujetGlobal Maternal and Child Health→Travaux en français237 207→