Acceptability measures of water, sanitation and hygiene interventions in low- and middle-income countries, a systematic review
Notice bibliographique
Résumé
BACKGROUND: Inadequate access to water, sanitation, and hygiene (WASH) is an environmental risk factor for poor health outcomes globally, particularly for children in low- and middle-income countries (LMIC). Despite technological advancements, many interventions aimed at improving WASH access return less than optimal results on long term impact, efficacy and sustainability. Research focus in the 'WASH sector' has recently expanded from investigating 'which interventions work' to 'how they are best implemented'. The 'acceptability' of an intervention is a key component of implementation that can influence initial uptake and sustained use. Acceptability assessments are increasingly common for health interventions in clinical settings. A broad scale assessment of how acceptability has been measured in the WASH sector, however, has not yet been conducted. METHODS/PRINCIPAL FINDINGS: We conducted a systematic literature review of intervention studies published between 1990 and 2021 that evaluated the acceptability of WASH interventions in LMIC settings. Using an implementation science approach, focused outcomes included how acceptability was measured and defined, and the timing of acceptability assessment. We conducted quality assessment for all included studies using the Cochrane Risk of Bias tool for randomised studies, and the Newcastle-Ottawa Scale for non-randomised studies. Of the 1238 records; 36 studies were included for the analysis, 22 of which were non-randomized interventions and 16 randomized or cluster-randomized trials. We found that among the 36 studies, four explicitly defined their acceptability measure, and six used a behavioural framework to inform their acceptability study design. There were few acceptability evaluations in schools and healthcare facilities. While all studies reported measuring WASH acceptability, the measures were often not comparable or described. CONCLUSIONS: As focus in WASH research shifts towards implementation, a consistent approach to including, defining, and measuring acceptability is needed.
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 | 0,051 | 0,201 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,011 | 0,012 |
| Bibliométrie | 0,021 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».