HIV, TB and Malaria Service Readiness at the Primary Healthcare Centers (PHCs) in Ekiti State, Nigeria
Notice bibliographique
Résumé
Introduction: access to services encompasses three components: availability, affordability, and acceptability. The physical presence of service delivery, which includes health infrastructure, core health staff, and aspects of service use, is referred to as service availability. This study was conducted to inform the health service availability and preparedness to deliver HIV, TB, and malaria prevention and control services in Ekiti State. Methods: this is a descriptive cross-sectional study conducted among all the Primary Health Centres (177) in Ekiti State Nigeria between August and October 2020. Data were collected with the use of the World Health Organization Service Availability and Readiness Assessment tool and were analyzed using STATA SE 12. Results: close to half (49%) of them had a condom in supply. More than 90% of them provided diagnosis and treatment of malaria. The HIV-specific service readiness index was approximately 40/0%. Only 26.6% of health facilities were ready to offer TB prevention and control services. Malaria specific service readiness index was 61.9%. There was a statistically significant difference in the HIV and TB-specific service readiness of facilities in the urban compared to rural locations. Health facilities located in the urban areas had higher mean readiness scores compared to those in the other residential areas (P=0.014). Conclusion: it is evident that HIV and TB-specific service readiness is very poor among PHCs in Ekiti State. Malaria Service Readiness was fair. Ekiti State government needs to expand investments in PHCs by strengthening the diagnostic services, commodities and medicine supply, adequate equipment and staff training.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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 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 ».