MétaCan
Menu
Retour à la cohorte
Enregistrement W4361006660 · doi:10.5539/gjhs.v15n4p1

Evaluation of Cold Chain Equipment Platform Solar Fridges Project in Upper Nile State Republic of South Sudan

2023· article· en· W4361006660 sur OpenAlexvenueno aff
Paulo Okech, Shiferaw Mitiku, Kashi Carasso, Jean Damour Habagusenga, Marie Jeanne Mukazayire

Notice bibliographique

RevueGlobal Journal of Health Science · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensnon disponible
Organismes subventionnairesKfW EntwicklungsbankBundesministerium für Wirtschaftliche Zusammenarbeit und EntwicklungUniversity of Rwanda
Mots-clésCold chainSupply chainBusinessChristian ministryData collectionCold storageSpare partMedicineOperations managementEnvironmental healthMarketingEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A cold chain is a temperature-controlled supply chain with uninterrupted chain of activities that maintain a given temperature range that keep and maintain the quality of vaccines. Vaccines move through complex procedures and processes that require special attention and care. Effective cold chain systems require efficient end-to-end vaccine storage, handling, and stock management to maintain vaccines under strict temperature control of between 2 °C and 8 °C (for almost all vaccines). METHODS: A descriptive cross-sectional study design and mixed (qualitative and quantitative) research approach is employed to conducting the research. Data were collected through face to face in-depth interviews and questionnaires from Vaccinators and key persons from IPs. Prior to data collection, ethical approval was obtained from national Ministry of Health, Directorate of planning and M&E, and the University of Rwanda, Research Committee Board. Accordingly, data were collected after seeking the personal consent sought from the participants. RESULTS: The key findings from this study showed that the cold chain coverage has been improved compared to the result obtained in EPI coverage survey conducted in 2017. The results revealed that inadequate availability of EPI cold technicians, lack of fridge spare parts, trained staff, and adequate vaccine forecasting was the major challenges at county and the health facility level. CONCLUSIONS: The main factor that contributed positively in strengthening vaccines supply chain system in the Upper Nile State was the substantive increase in cold chain coverage. However, the role of the CCEOP in improving immunization coverage is still doubted due to lack of regular preventive maintenance, spare parts, and EPI technicians. The major challenges that affect the vaccines relevance, effectiveness, efficiency and sustainability were found to be mainly poor vaccines handling, due to inadequate knowledge on cold chain management.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,338
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetEnergy and Environment ImpactsTravaux en français237 207