MétaCan
Menu
Retour à la cohorte
Enregistrement W4411089268 · doi:10.1530/raf-24-0063

FERTILITY CARE IN LOW- AND MIDDLE-INCOME COUNTRIES: Policy, politics, and macro-level influences on implementation in Uganda

2025· article· en· W4411089268 sur OpenAlexaff
M.J. Mutumba-Nakalembe, Craig R. Janes

Notice bibliographique

RevueReproduction and Fertility · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueReproductive Health and Technologies
Établissements canadiensUniversity of WaterlooWestern University
Organismes subventionnairesnon disponible
Mots-clésImplementation researchThematic analysisPopulationHealth careGovernment (linguistics)MedicinePolitical scienceReproductive technologyFertilityEconomic growthQualitative researchBusinessPublic relationsPsychological interventionEnvironmental healthNursingEconomicsSociologySocial science

Résumé

récupéré en direct d'OpenAlex

Graphical Abstract Abstract Background Infertility is a reproductive disease affecting millions globally. In Sub-Saharan Africa, the burden is considerably higher, affecting one in four couples. The psychosocial and economic impacts of infertility remain severe. Furthermore, restricted access to affordable fertility services is justified by international population reduction agendas and limited resources, resulting in inequitable access. Treatment, when available, is primarily through private sector clinics at catastrophically high costs. For this reason, low-cost IVF (LCIVF) technologies have been developed to simplify and minimize treatment costs. Still, there are limited studies on their adoption and utilization in the region. Methods A qualitative case study was used to explore implementation of LCIVF technologies in Uganda’s public health system. Macro-level factors influencing implementation of an ART department at Mulago Women’s Hospital were assessed through semi-structured interviews conducted with 21 actors, along with hospital observations, field notes, and document review. A combination of inductive and deductive thematic analysis techniques was used for data analysis in NVivo 12, guided by the Consolidated Framework for Implementation Research (CFIR). Results Following our analysis, several factors facilitated macro-level implementation including acknowledgment of infertility as a reproductive disease, strong political advocacy and oversight, government funding, and multi-organizational collaboration. Barriers included poor public knowledge, absence of legislation, limited community leader engagement, and diminished political support. Contributions This study contributed to knowledge on external factors that influence sustainable implementation of LCIVF initiatives in low-resource settings and is one of the first studies to apply CFIR to fertility care implementation in a low-resource setting. Lay summary Infertility is a reproductive disease that makes it difficult to conceive a child. Globally, infertility impacts millions of people. In Sub-Saharan Africa, the rate of infertility is surprisingly higher. There are few centers providing affordable treatment. This is partly because population reduction is an international priority, neglecting many who cannot have even one child. Cheaper treatment options have been developed to make treatment more accessible and affordable. This study looked at how international and national politics influenced inclusion and access to fertility care in an African context. A qualitative case study design approach was used. Our analysis found international acceptance of infertility as a disease, strong political support, and financial support aided inclusion. Still, limited public knowledge, engagement of community leaders, and diminished political support slowed down efforts. This research suggests that international agendas, political support, and community engagement are needed for sustained inclusion of fertility services in low-income countries.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,013
Score d'incertitude au seuil0,571

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,029
Tête enseignante GPT0,364
Écart entre enseignants0,336 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReproduction and FertilityMême sujetReproductive Health and TechnologiesTravaux en français237 207