Remote Facilitation of Essential Newborn Care: A Multinational, Multicenter Pilot Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES Essential Newborn Care (ENC) training improves neonatal outcomes, particularly in low-resource settings. The American Academy of Pediatrics and Laerdal Global Health developed an online platform, https://hmbs.org/, to facilitate training of health care workers (HCWs) in ENC. This study aims to examine the impact of training with the ENC course. We hypothesize that training with the ENC course, either with remote or in-person facilitation, and low-dose high-frequency (LDHF) practice improves HCW knowledge and skills. METHODS In this prospective educational intervention study, technical advisors remotely oriented in-country facilitators to ENC in Nigeria and Bangladesh. In-country facilitators then trained frontline HCWs, choosing between a remote or in-person approach based on the country context. ENC knowledge check, bag-mask ventilation (BMV) skills, and NeoNatalie Live (NNL) manikin feedback pass rates were assessed at baseline (BL), immediately posttraining (PT), and endline (EL). Objective structured clinical examination (OSCE) A and B scores were assessed at PT and EL. LDHF practice was implemented at all sites using the NNL manikin. RESULTS After remote orientation, 18 in-country facilitators trained 236 frontline HCWs at 8 sites, including 1 humanitarian setting. All sites showed significant improvement in pass rates from BL to PT in knowledge check and BMV skills. NNL pass rates generally improved from PT to EL. OSCE A and B pass rates were also generally high PT and maintained at EL. CONCLUSIONS ENC online materials coupled with LDHF practice can augment knowledge and skills in ENC and offer a flexible option for remote or in-person training.
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.
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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découle