Evaluation of a comprehensive health check offered to frontline health workers in Zimbabwe
Notice bibliographique
Résumé
Health workers are essential for a functioning healthcare system, and their own health is often not addressed. During the COVID-19 pandemic health workers were at high risk of SARS-CoV-2 infection whilst coping with increased healthcare demand. Here we report the development, implementation, and uptake of an integrated health check combining SARS-CoV-2 testing with screening for other communicable and non-communicable diseases for health workers in Zimbabwe during the COVID-19 pandemic. Health checks were offered to health workers in public and private health facilities from July 2020 to June 2022. Data on the number of health workers accessing the service and yield of screening was collected. Workshops and in-depth interviews were conducted to explore the perceptions and experiences of clients and service providers. 6598 health workers across 48 health facilities accessed the service. Among those reached, 5215 (79%) were women, the median age was 37 (IQR: 29-44) years and the largest proportion were nurses (n = 2092, 32%). 149 (2.3%) healthcare workers tested positive for SARS-CoV-2. Uptake of screening services was almost 100% for all screened conditions except HIV. The most common conditions detected through screening were elevated blood pressure (n = 1249; 19%), elevated HbA1c (n = 428; 7.7%) and common mental disorder (n = 645; 9.8%). Process evaluation showed high acceptability of the service. Key enablers for health workers accessing the service included free and comprehensive service provision, and availability of reliable point-of-care screening methods. Implementation of a comprehensive health check for health workers was feasible, acceptable, and effective, even during a pandemic. Conventional occupational health programmes focus on infectious diseases. In a society where even health workers cannot afford health care, free comprehensive occupational health services may address unmet needs in prevention, diagnosis, and treatment for chronic non-communicable conditions.
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 | 0,010 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».