MétaCan
Menu
Retour à la cohorte
Enregistrement W4388830059 · doi:10.1186/s13033-023-00607-5

Cascade training for scaling up care for perinatal depression in primary care in Nigeria

2023· article· en· W4388830059 sur OpenAlexafffund
Bibilola Oladeji, Olatunde Ayinde, Toyin Bello, Lola Kola, Neda Faregh, Jibril Abdulmalik, Phyllis Zelkowitz, Soraya Seedat, Oye Gureje

Notice bibliographique

RevueInternational Journal of Mental Health Systems · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueMaternal Mental Health During Pregnancy and Postpartum
Établissements canadiensMcGill UniversityCarleton University
Organismes subventionnairesCanadian Institutes of Health ResearchGlobal Affairs CanadaInternational Development Research Centre
Mots-clésHealth administrationDepression (economics)Primary careMedicineTraining (meteorology)NursingPsychologyPsychiatryPublic healthFamily medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Task-shared care is a demonstrated approach for integrating mental health into maternal and child healthcare (MCH) services. Training and continued support for frontline providers is key to the success of task sharing initiatives. In most settings this is provided by mental health specialists. However, in resource constrained settings where specialists are in short supply, there is a need to explore alternative models for providing training and supportive supervision to frontline maternal care providers. This paper reports on the impact of a cascade training (train-the-trainers) approach in improving the knowledge and attitudes of primary healthcare workers (PHCW) to perinatal depression. METHODS: Senior primary health care providers selected from across participating local government areas were trained to provide training to other PHCWs. The training sessions facilitated by these trainers were observed and rated for fidelity by specialist trainers, while the trainees provided their impression of and satisfaction with the training sessions using predesigned assessment forms. Training outcomes assessed included knowledge of depression (using mhGAP training questions and knowledge of depression questionnaire) and attitude towards providing care for depression (revised depression attitude questionnaire (R-DAQ)) measured pre and post training as well as six months after training. RESULTS: Trainees were 198 PHCWs (94.4% female), who routinely provide MCH services in 28 selected primary care clinics and had between 6- and 34-years' experience. Training was provided by 11 trained trainers who were general physicians or senior nurses. Training sessions were rated high in fidelity and on training style. Sessions were rated excellent by 77.8% of the trainees with the trainers described as knowledgeable, effective and engaging. Knowledge of depression mean score improved from a pre-training level of 12.3 ± 3.5 to 15.4 ± 3.7, immediately post-training and 14.7 ± 3.2, six months post-training (both comparisons: p < 0.001). The proportion of PHCW workers endorsing statements indicative of positive attitudes on the professional confidence and the generalist perspective modules of the R-DAQ also increased with training. CONCLUSION: Our findings suggest that cascade training can be an effective model for rapidly providing training and upskilling frontline PHCWs to deliver care for women with perinatal depression in resource limited settings. TRIAL REGISTRATION: This study was retrospectively registered 03 December 2019. https://doi.org/10.1186/ISRCTN 94,230,307.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,043
Tête enseignante GPT0,386
Écart entre enseignants0,343 · 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

Citations13
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Mental Health SystemsMême sujetMaternal Mental Health During Pregnancy and PostpartumTravaux en français237 207