Improving Iron and Folic Acid Supplementation Among Pregnant Women: An Implementation Science Approach in East-Central Uganda
Notice bibliographique
Résumé
INTRODUCTION: To address maternal iron-deficiency anemia and low uptake of iron and folic acid supplementation (IFAS) among antenatal care (ANC) clinic attendees in East-Central Uganda, the Anemia Implementation Science Initiative embedded enhanced quality improvement (QI) activities into an integrated health project utilizing QI methodologies. METHODS: To address 2 bottlenecks of stock-outs and inadequate health education for pregnant women during ANC, an enhanced QI intervention was implemented from July 2019 to September 2020 in 2 districts. We conducted a mixed-methods effectiveness quasi-experimental study to assess whether the intervention increased the availability of IFAS in the intervention districts. We used longitudinal facility-level data from 2 treatment districts and 1 comparison district for the quantitative results. Difference-in-difference estimation was used to measure the impact of the intervention on IFAS health education and IFA availability at the health facility. We used logistic regression modeling to control for factors associated with IFAS uptake and potential differences in baseline values. Researchers conducted exit interviews with ANC clients and in-depth interviews with providers and district managers for greater insights into the implementation process. RESULTS: The intervention increased the probability, at a statistically significant level, of pregnant women both receiving IFAS and receiving health education on IFAS during ANC. According to inter-viewees, the intervention approach improved stakeholder engagement and buy-in, which brought about change at all levels of the health system. DISCUSSION: The intervention successfully addressed the 2 main bottlenecks to availability of IFAS for pregnant women attending ANC-inadequate provision of IFAS education and a weak drug quantification process. Even without additional funds to purchase commodities, this approach improved district capacity to advocate for and manage IFAS commodities. It could also be used to strengthen overall ANC quality.
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 | 0,039 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,006 |
| 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 ».