MétaCan
Menu
Retour à la cohorte
Enregistrement W4389201656 · doi:10.1186/s12913-023-10317-w

Beyond the regulatory radar: knowledge and practices of rural medical practitioners in Bangladesh

2023· article· en· W4389201656 sur OpenAlexaff
Hasnat Sujon, Mohammad Habibur Rahman Sarker, Aftab Uddin, Shakila Banu, Mohammod Rafiqul Islam, Md Ruhul Amin, Md. Shabab Hossain, Md. Fazle Alahi, Mohammad Asaduzzaman, Syed Jafar Raza Rizvi, Mohammad Zahirul Islam, Nazim Uzzaman

Notice bibliographique

RevueBMC Health Services Research · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesInternational Centre for Diarrhoeal Disease Research, BangladeshMedizinischen Hochschule Hannover
Mots-clésMedicinePublic healthHealth administrationGuidelinePneumoniaFamily medicineNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Informal and unregulated rural medical practitioners (RMPs) provide healthcare services to about two-thirds of people in Bangladesh, although their service is assumed to be substandard by qualified providers. As the RMPs are embedded in the local community and provide low-cost services, their practice pattern demands investigation to identify the shortfalls and design effective strategies to ameliorate the service. METHODS: We conducted a cross-sectional study in 2015-16 using a convenient sample from all 64 districts of Bangladesh. Personnel practising modern medicine, without any recognized training, or with recognized training but practising outside their defined roles, and without any regulatory oversight were invited to take part in the study. Appropriateness of the diagnosis and the rationality of antibiotic and other drug use were measured as per the Integrated Management of Childhood Illness guideline. RESULTS: We invited 1004 RMPs, of whom 877 consented. Among them, 656 (74.8%) RMPs owned a drugstore, 706 (78.2%) had formal education below higher secondary level, and 844 (96.2%) had informal training outside regulatory oversight during or after induction into the profession. The most common diseases encountered by them were common cold, pneumonia, and diarrhoea. 583 (66.5%) RMPs did not dispense any antibiotic for common cold symptoms. 59 (6.7%) and 64 (7.3%) of them could identify all main symptoms of pneumonia and diarrhoea, respectively. In pneumonia, 28 (3.2%) RMPs dispensed amoxicillin as first-line treatment, 819 (93.4%) dispensed different antibiotics including ceftriaxone, 721 (82.2%) dispensed salbutamol, and 278 (31.7%) dispensed steroid. In diarrhoea, 824 (94.0%) RMPs dispensed antibiotic, 937 (95.4%) dispensed ORS, 709 (80.8%) dispensed antiprotozoal, and 15 (1.7%) refrained from dispensing antibiotic and antiprotozoal together. CONCLUSIONS: Inappropriate diagnoses, irrational use of antibiotics and other drugs, and polypharmacy were observed in the practising pattern of RMPs. The government and other stakeholders should acknowledge them as crucial partners in the healthcare sector and consider ways to incorporate them into curative and preventive care.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,023
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,209
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0230,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 GPT0,550
Écart entre enseignants0,449 · 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 tête enseignante, pas un consensus.

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

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetGlobal Health Workforce IssuesTravaux en français237 207