Studying the Effectiveness of Video‐Assisted Education in Teaching Ugandan Mothers to Monitor Their Hospitalised Infant
Notice bibliographique
Résumé
AIM: To determine the time required for mothers to learn how to monitor their hospitalised infant using video-assisted education and to understand healthcare providers' perspectives on their role in maternal education. METHODS: This was a two-part study in a neonatal hospital unit in Uganda. Using video-assisted education, we assessed the time required for mothers to learn how to assess danger signs, weigh their baby, and track feeds. Proficiency was tested with knowledge and skills assessments. Concurrently, healthcare providers completed a survey regarding maternal engagement. RESULTS: Fifty mothers participated, and 72% watched the training video only once. After viewing the video, 36% needed no additional nursing time to achieve proficiency. For mothers requiring nursing assistance, nurses spent a median time of 37 s (IQR 21-78 s). Ninety-four percent and 72% of mothers had perfect scores on the knowledge and skills assessment, respectively. Twelve healthcare providers were surveyed, and 58% reported having < 10 min to spend on maternal education. All providers cited recognition of danger signs as the most important skill for mothers to learn. CONCLUSION: Given Uganda's healthcare provider shortage, video-assisted education may be a valuable tool to teach mothers how they can participate in their hospitalised infant's care.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».