Development and validation of a tool to assess core competencies of public health professionals in low-income settings: findings from Uttar Pradesh, India
Notice bibliographique
Résumé
BACKGROUND: Many low- and middle-income countries (LMICs) lack instruments to measure gaps in the public health competency of health professionals. The objective of this study is to develop a validated and reliable Core Public Health Competency (COPHEC) index by assessing the knowledge, skills, abilities, and attitudes of senior and mid-level public health professionals with supervisory and management responsibilities in Uttar Pradesh (UP), India. METHODS: Using the Core Competency framework that was developed in UP, we generated a draft COPHEC tool with 37 items, measured on a four-point Likert scale. We administered the tool to a total of 166 public health professionals that included two samples-84 senior and 82 mid-level public health professionals. To extract factors and assign factor scores to the instrument, we performed an exploratory factor analysis (EFA) using principal component analysis (PCA). Content and face validities were assessed by examining the steps used for the construction of the draft tool. Construct validity was measured by assessing the average factor loading of the items onto the component extracted from EFA. Internal consistency was used as a measure of reliability. RESULTS: The final COPHEC index had 37 items loaded on one factor in the sample. Content and face validities were assured through a participatory process with relevant stakeholders who identified the initial set of items as part of a Core Competency framework. Construct validity of the COPHEC scale was confirmed by the high average factor loading of components ranging from 0.58 to 0.81. The final index showed adequate reliability with Cronbach's alpha (α) = 0.97. CONCLUSIONS: The COPHEC index is a valid and reliable measure of core competencies in public health in UP. We recommend that governments adapt the index in LMICs to conduct assessments of health workers to identify training needs, evaluate the effectiveness of training programs through participants' competency acquisition pre- and post-training, and inform workforce development efforts in recruitment and performance management.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».