Community Mobilization and Community Incentivization (CoMIC) Strategy for Child Health in a Rural Setting of Pakistan: Study Protocol for a Randomized Controlled Trial
Notice bibliographique
Résumé
Despite the decline in under-five mortality by over 60% in the last three decades, majority of child mortality is still attributable to communicable and infectious diseases that are not only preventable, but they are also treatable. We evaluated the potential impact of a participatory community engagement and innovative community incentivization (C3I) strategy for improving the coverage of child health interventions in a rural setting in Pakistan. We first undertook formative research to assess community knowledge and the likelihood of collective community strategy and conditional incentives for improving existing preventive and care-seeking practices for childhood diarrhea and pneumonia. We developed options for community incentivization and improving group practices, taking local norms and customs into account in the design of the community mobilization strategies and messages. These interventions were then formally evaluated prospectively in a three-arm cluster randomized controlled trial. Clusters were randomly assigned by a computer algorithm using restricted randomization by an external statistician (1:1:1) into three groups: community mobilization and incentivization (CMI); community mobilization only using an enhanced communication package (CM); and control group. The C3I was an innovative strategy as it involved serial incremental targets of collective improvement in community behavior related to improvement in the coverage of a composite indicator of fully immunized children (FIC), oral rehydration salt (ORS), and the sanitation index (SI). The evaluation was done by an independent data collection and analysis team at baseline and end line (after 24 months).
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 | 0,024 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».