Lessons learnt and best practices in scaling up an emergency transportation system to tackle maternal and neonatal mortality: a qualitative study of key stakeholders in Shinyanga, Tanzania
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to document lessons learnt and best practices for scaling up an innovative emergency transportation system, drawing insights from the m-mama programme implemented in Shinyanga, Tanzania. The m-mama pilot programme was implemented in phases from 2014 to 2016 in two districts and later scaled up to include all districts in Shinyanga region in 2017. The programme employed an emergency transportation system and technical and operational support of the health system to address the three delays leading to maternal and neonatal mortality. DESIGN: Cross-sectional, qualitative research with key healthcare system stakeholders from the national, regional and district levels. SETTING: The study was conducted in Kahama and Kishapu districts in Shinyanga, Tanzania. The two districts were selected purposefully to represent the programme implementation districts' rural and urban or semiurban settings. PARTICIPANTS: District, regional and national stakeholders involved in implementing the m-mama pilot programme in Shinyanga were interviewed between February and March 2022. RESULTS: Lessons learnt from implementing the m-mama programme were grouped into four key themes: community engagement, emergency transportation system, government engagement, and challenges and constraints in technical implementation. Stakeholder engagement and collaboration at all levels, community involvement in implementation, adherence to local contexts and effective government partnerships were identified as key drivers for programme success. Coordination, supervision and infrastructure enhancement were crucial in implementing the emergency transportation system. CONCLUSIONS: Facilitating community involvement, understanding the local context and adapting to existing structures can enhance programme ownership and utilisation. The government serves as the central coordinator, overseeing resource mobilisation and distribution. A well-executed and coordinated emergency transportation system holds promise in addressing delays and curbing maternal and neonatal mortality. Collaborative knowledge-sharing among implementers is essential for identifying best practices and gaining insights into practical strategies for addressing anticipated challenges.
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 | 0,013 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,008 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».