Caregivers’ and nurses’ perceptions of the Smart Discharges Program for children with sepsis in Uganda: A descriptive qualitative study
Notice bibliographique
Résumé
Abstract Sepsis arises when the body’s response to infection results in organ dysfunction. Among children hospitalized with suspected sepsis in low-income country settings, mortality rates following discharge are similar to mortality rates in hospital. The Smart Discharges Program uses a mobile health (mHealth) platform to identify children at high risk of post-discharge mortality to receive enhanced post-discharge care. This study sought to explore the perceptions of the caregivers and nurses of children enrolled into the Smart Discharges Program. We conducted a descriptive qualitative study that used a phenomenological approach. We conducted in-person focus group discussions (FGDs) with 30 caregivers of pediatric patients enrolled in the Smart Discharges Program and individual, semi-structured interviews with eight Smart Discharges Program nurses. The study was carried out at four hospitals in Uganda in 2019. Following thematic analysis, three key themes pertaining to the Smart Discharges program were identified: (1) Facilitators and barriers to follow-up care after discharge; (2) Changed behavior following discharge; and (3) Increased involvement of male caregivers. Facilitators included telephone/text message reminders, positive nurse-patient relationship, and the complementary aspects of the program. Resource constraints and negative experiences during post-discharge care seeking were reported as the most prominent barriers to post-discharge follow up. When provided with relevant and well-timed information, caregivers reported increased knowledge about post-discharge care and improvements in their ability to care for their child. Enrolment in the Smart Discharges Program also increased male caregiver involvement, which was reported as improved engagement in care, increased provision of resources and improved communication within the family and with the healthcare system. The Smart Discharges approach is an impactful strategy to improve pediatric post-discharge care, and similar approaches should be considered to improve the hospital to home transition in similar low-income country settings.
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 | 0,009 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,006 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».