Building the Capacity of Health Professionals in Monitoring and Evaluation in a Public Health Institution: Experience of the National Institute of Public Health (NIPH) of Côte d’Ivoire
Notice bibliographique
Résumé
Background: In the context of the fight against HIV, a lack of skills in monitoring and evaluating the personnel in charge of activities has been identified at the national level. It was the subject of a priority axis of the national plan for monitoring and evaluating the fight against HIV (2006-2010) that was aimed at strengthening the capacities of actors in this area. To increase the critical mass of competent human resources in the short term, the National Institute of Public Health (NIPH) of Côte d’Ivoire organized monitoring and evaluation training sessions for healthcare professionals from 2011 to 2016. Methods: A single case study with multiple levels of analysis was carried out, combining a qualitative survey and a literature review. An evaluation was carried out six months after each training session. In addition, the results of the pre- and post-tests and of the daily and final evaluations that accompanied the various training sessions were used to provide further information. The qualitative data collected were analyzed using INVIVO 15 software. Results: Some 89 health professionals (69% men and 31% women) working at the national level (51% at the central level, including 58% in health programs) and in development partner agencies (37%) participated in this capacity building program. Most participants were senior health managers (56%), data managers (23%), and statisticians and computer scientists (10%). Almost all the trainings were financed by 16 technical and financial partners (85%), mainly the MEASURE Evaluation project (27%). Conclusion: M&E training, despite all its imperfections, has made it possible to identify M&E training needs at the national level and to increase the critical mass of national skills and to have some culture in M&E.
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 | 0,052 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».