PA-206 Breaking the silence of female genital schistosomiasis in Ghana’s health system: a case of health workers within the FAST project
Notice bibliographique
Résumé
Background Female Genital Schistosomiasis (FGS) remains one of the most critical and neglected topics in Neglected Tropical Diseases (NTDs) and the health of women and girls worldwide. Health workers’ knowledge of FGS is vital to the prevention and management of the disease. This study, therefore, conducted implementation research to identify and address the FGS knowledge gap among health workers in Ghana. Methods This study was a 3-year (2020 -2022) implementation research study applying a pragmatic uncontrolled quasi-experimental study design. The study involved a baseline assessment, an intervention phase involving the training of health workers about FGS and an endline assessment. A mixed-method approach was applied to data collection. The qualitative data involved 20 In-depth Interviews while the quantitative data involved 116 health workers. NVIVO 12 and STATA 14 were used for qualitative and quantitative data analysis, respectively. Results Before the intervention, there was little knowledge about FGS among health workers as most participants only understood FGS as merely urogenital schistosomiasis in females. Based on the baseline assessments, an FGS education intervention in the form of training of health workers and distribution of FGS educational materials was carried out. The impact of this intervention enhanced health workers’ awareness and management of FGS. However, access (availability and affordability) to praziquantel (the main drug used in treating and preventing schistosomiasis) was cited as a challenge. Conclusion The FGS intervention has improved health workers’ awareness and understanding of FGS. However, there is a need to improve access to praziquantel to facilitate FGS management. In addition, a holistic strategy encompassing all stakeholders at the individual, community, and health-system levels is required to improve the general knowledge and management of FGS.
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 | 0,004 | 0,006 |
| 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 | 0,021 | 0,010 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».