Community perspectives on cardiovascular disease control in rural Ghana: A qualitative study
Notice bibliographique
Résumé
BACKGROUND: Cardiovascular disease (CVD) prevalence is high in Ghana-but awareness, prevention, and treatment is sparse, particularly in rural regions. The nurse-led Community-based Health Planning and Services program offers general preventive and primary care in these areas, but overlooks CVD and its risk factors. METHODS: We conducted in-depth interviews with 30 community members (CM) in rural Navrongo, Ghana to understand their knowledge and beliefs regarding the causes and treatment of CVD and the potential role of community nurses in rendering CVD care. We transcribed audio records, coded these data for content, and qualitatively analyzed these codes for key themes. RESULTS: CMs described CVD as an acute, aggressive disease rather than a chronic asymptomatic condition, believing that CVD patients often die suddenly. Yet CMs identified causal risk factors for CVD: not only tobacco smoking and poor diet, but also emotional burdens and stressors, which cause and exacerbate CVD symptoms. Many CMs expressed interest in counseling on these risk factors, particularly diet. However, they felt that nurses could provide comprehensive CVD care only if key barriers (such as medication access and training) are addressed. In the interim, many saw nurses' main CVD care role as referring to the hospital. CONCLUSIONS: CMs would like CVD behavioral education from community nurses at local clinics, but feel the local health system is now too fragile to offer other CVD interventions. CMs believe that a more comprehensive CVD care model would require accessible medication, along with training for nurses to screen for hypertension and other cardiovascular risk factors-in addition to counseling on CVD prevention. Such counseling should build upon existing community beliefs and concerns regarding CVD-including its behavioral and mental health causes-in addition to usual measures to prevent CVD mortality such as diet changes and physical exercise.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,006 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».