Health facilities preparedness to deliver maternal and newborn health care in Kilifi and Kisii Counties, Kenya
Notice bibliographique
Résumé
INTRODUCTION: Health facility preparedness is essential for delivering quality maternal and newborn care, minimizing morbidity and mortality by addressing delays in seeking skilled care, reaching appropriate facilities, and receiving emergency care. A rapid assessment of 23 government health facilities in Kilifi and Kisii counties identified poor maternal and newborn indicators in 16 facilities. The Access to Quality Care through Extending and Strengthening Health Systems (AQCESS) project supported these facilities with training, equipment, and referral linkages. This study focuses on facility preparedness of the 16 facilities to deliver maternal and newborn health services, specifically delays two and three at the end of the project implementation. METHODS: A descriptive cross-sectional study was carried-out on behalf of AQCESS project team by respective county ministry of health in-charge of reproductive maternal newborn and child health programs and trained nurses and medical doctors from Aga Khan health services in December 2019. The study evaluated the accessibility and reliability of drugs, commodities, equipment, personnel, basic necessities (such as water and electricity), and guidelines using validated World Health Organization service availability and readiness assessment tool. The findings of the assessment are presented through frequency and percentage analysis, along with a comparative analysis between the two counties. RESULTS: All the 16 facilities assessed offered routine antenatal care (ANC) and normal delivery, but only two provided comprehensive emergency obstetric and newborn care (CEmONC). Most essential medicines, commodities, and required equipment were available. BEmONC and CEmONC guidelines were present in Kilifi, not in Kisii. One staff member was available 24/7 for cesarean section (CS) in each county, with one anesthetist in Kilifi. Electricity was accessible in all facilities, but only half had secondary power supply. Facilities offering CS had backup generators. CONCLUSION: The Facilities assessed had necessary drugs, commodities, equipment, and requirements, but staffing and guidelines were limited. Kilifi outperformed Kisii in most indicators. Additional support is needed for infrastructure and human resources to deliver quality maternal and newborn health services. Continuous monitoring will facilitate resource allocation based on facility needs.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».