MétaCan
Menu
Retour à la cohorte
Enregistrement W4410329238 · doi:10.1186/s12889-025-22791-4

Impact of COVID-19 on healthcare programs in Zimbabwe: a mixed methods study

2025· article· en· W4410329238 sur OpenAlexfundno aff
Nicholas Midzi, Clara Haruzivishe, Elizabeth Gonese, Senga Sembuche, Masceline Jenipher Mutsaka‐Makuvaza, Rodgers R Ayebare, Tonny Muwonge, S. Nakasendwa, Carl Mateta, Tafadzwa Madanhire, Cynthia Nombulelo Chaibva, Calleta Gwatiringa, Kudzai Elizabeth Mutsaka, Isaac K. Phiri, Mohd H. Abdul‐Aziz, Patrice Chanda Kabwe, Virgininia Dube-Mawerewere, Raji Tajudeen, Mosoka Papa Fallah, Munyaradzi Dobbie

Notice bibliographique

RevueBMC Public Health · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Impact on Reproduction
Établissements canadiensnon disponible
Organismes subventionnairesCenters for Disease Control and PreventionMastercard Foundation
Mots-clésMedicinePublic healthHealth careOutreachBiostatisticsPandemicService delivery frameworkHealth informaticsEnvironmental healthNonprobability samplingService (business)NursingPopulationBusinessEconomic growthCoronavirus disease 2019 (COVID-19)DiseaseMarketingInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The COVID-19 pandemic disrupted healthcare services. Understanding similar epidemic-related disruptions on a broader scope in our local setting is critical for the effective planning of essential services. The study determined the impact of Coronavirus disease(COVID-19) on healthcare programs in Zimbabwe. METHODS: A mixed-methods study compared healthcare service delivery trends from the Ministry of Health and Child Care before, during and post the pandemic. It employed two methods of data collection: Key informant interviews (KII) and secondary data analysis from the Zimbabwe District Health Information Systems 2 (DHIS2). Purposive sampling obtained key informants for interviews whilst 18 healthcare service indicators were identified from the national database. Statistical analysis consisted of an interrupted time series analysis of those indicators preceded by visualization to appreciate trend change. An inductive approach was used to code and identify basic themes which were then triangulated against DHIS2 findings. RESULTS: The study revealed that COVID-19 had a negative impact on health service delivery; increasing disruptions of critical healthcare services, maternal and child health, reproductive health issues, and other specialist services were prominent. The rise in maternal and child mortality cases and caesarean sections could be directly linked to the decline in service delivery during the pandemic. Mitigation strategies that were introduced during the pandemic included the use of community-based services, outreach services, capacity building, and de-congestion of public services. CONCLUSIONS: The pandemic disrupted healthcare delivery, causing service usage to decline due to lockdowns. Response strategies included community services, capacity building, and stakeholder engagement. Future readiness requires epidemic plans, enhanced resources, a multisectoral approach, workforce training, and public education.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,212
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,220
Tête enseignante GPT0,552
Écart entre enseignants0,332 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetCOVID-19 Impact on ReproductionTravaux en français237 207