MétaCan
Menu
Retour à la cohorte
Enregistrement W4387744194 · doi:10.9745/ghsp-d-23-00081

Health System Strengthening Through Professional Midwives in Bangladesh: Best Practices, Challenges, and Successes

2023· article· en· W4387744194 sur OpenAlexfundno aff
Farida Begum, Rowsan Ara, Amirul Islam, Stephanie Marriott, Anna Williams, Rondi Anderson

Notice bibliographique

RevueGlobal Health Science and Practice · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensnon disponible
Organismes subventionnairesGlobal Affairs CanadaMinistry of Health and Family WelfareUnited Nations Population Fund
Mots-clésMedicineBest practiceNurse-MidwivesNursingMEDLINEBusinessFamily medicineEconomic growthEnvironmental healthPregnancyPolitical science

Résumé

récupéré en direct d'OpenAlex

In 2008, a cadre of professional midwives was introduced in Bangladesh. Since then, 120 midwifery educational programs have been established. There are 2,556 midwives serving at 667 government health facilities, and there are more midwives working in nongovernmental organizations and the private sector. This case study documents the process of establishing a midwifery profession with distinct midwifery expertise in Bangladesh and aims to guide other low- and middle-income countries in best practices and challenges. We describe the national administrative groundwork for the profession's launch, roll-out of an education program aligned with the International Confederation of Midwives, national deployment, enabling environments in deployment, and the professional association. Bangladesh's professional midwives' roles in humanitarian response and the COVID-19 pandemic are also discussed. The first and final authors were closely involved in supporting the government's establishment of the profession, and their direct experience is drawn upon to contextualize the topics. In addition, the authors conducted a desk review of documents that supported the profession's integration into the health system and documented its results. Both routine program data and existing research studies were reviewed. Outcomes show that midwives are deployed to 95% of government subdistrict hospitals. About 50% of these hospitals are fully staffed with 4 midwives, and within the hospitals, midwives are in charge of 90% of the maternity wards and attend 75%-85% of the births. Since the midwives' deployment, significant quality improvement for most World Health Organization indicators has been found, along with increases in service utilization. The experience of establishing a new midwifery profession in Bangladesh shows that it is possible for a lower middle-income country to introduce a globally standard midwifery profession, distinct from nursing, to improve quality sexual, reproductive, maternal, newborn, and adolescent health services in both humanitarian and development 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 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)0,020
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,023
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,004
Communication savante0,0040,003
Science ouverte0,0020,005
Intégrité de la recherche0,0020,003
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 Opus0,100
Tête enseignante GPT0,452
Écart entre enseignants0,352 · 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'étudeQualitatif
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

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Health Science and PracticeMême sujetGlobal Maternal and Child HealthTravaux en français237 207