Ethiopian Health Extension Workers’ Training Status and Perceived Competency
Notice bibliographique
Résumé
Background: COVID-19 as pandemic declared by WHO on March 11, 2020 and first case detected in Ethiopia on March 13/2020. The COVID-19 caused a global crisis, including millions of lives lost, public health systems in shock and economic and social disruption. Strategies depend on how an existing health system is organized. Even though public health emergency operation centers of the Ethiopia switched to emergency response, there is no national evidence about infection prevention and control. Therefore, this project aimed to assess the level of infection prevention and control and management of COVID- 19 in Ethiopia, 2021. Methods: The cross-sectional study conducted at four regions and one city (Amhara, Oromia, SNNPR, Sidama Region, and Dire Dawa). Being with zonal health departments and woredas health offices, primary health care units were selected. The data were collected electronically through Kobocollect software from November 08-28/2021. Descriptive analysis like frequency and percentage was conducted by SPSS software version 25 and the results were presented by tables, figures and narration. Results: Data were collected from 16 hospitals, 92 health centers, and 344 health posts. All hospitals have designated COVID-19 focal person. There were significant number of woredas and PHCUs who didn't have IPC guidelines and protocols. About 11 woredas had no any type of diagnostic tests for COVID-19. Conclusions: The study revealed that there were significant gaps on Infection prevention and control practice, shortage of personal protective equipment, isolation and specimen transportation problem, lack of call centers. We recommend concerned bodies to fill the identified gaps.
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 | 0,011 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».