Managers’ perceptions on the implementation of community-based rehabilitation in KwaZulu-Natal
Notice bibliographique
Résumé
Background: Community-based rehabilitation (CBR) is a World Health Organization (WHO) strategy for social inclusion, equalisation of opportunities and provision of essential services for people with disabilities (PWDs). Community-based rehabilitation is a multi-sectoral strategy that requires all stakeholders to participate equally in its implementation. KwaZulu-Natal has implemented CBR for over two decades, with various stakeholders at the forefront of implementation. However, the status of stakeholder engagement, collaboration and coordination is unknown. Objective: The objective of our study was to understand how CBR is implemented in KwaZulu-Natal and the roles of each stakeholder in its implementation, with a focus, on managers from government and non-governmental organisations. Method: A descriptive explorative approach using semi-structured interviews was used to collect data from 20 managers from various stakeholders involved in implementing CBR in KwaZulu-Natal. Data were transcribed and analysed using thematic analysis. Results: The findings revealed five dominant themes: (1) the understanding of concepts, (2) missed opportunities for implementing CBR, (3) barriers to implementing CBR, (4) benefits to implementing CBR and (5) recommendations for future implementation. Conclusion: A formal management structure with clear roles and responsibilities was fundamental for implementation. Collaboration, coordination and planning were believed to be the critical roles of managers in the implementation of CBR. Training, awareness and sharing of resources among stakeholders were also identified as important factors in implementing CBR in KwaZulu-Natal. Clinical implications: Our study will assist managers and clinicians to improve their planning and implementation of CBR.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».