Assessing the acceptability and feasibility of proactive community case management: A qualitative study in Chadiza District, Zambia
Notice bibliographique
Résumé
Abstract Zambia has implemented passive malaria community case management (CCM), during which symptomatic people seek care at a community health worker’s (CHW) abode, since 2011. In 2021, the National Malaria Elimination Program implemented a two-arm cluster-randomized controlled trial to measure the impact of proactive CCM (ProCCM) compared to routine passive CCM on malaria incidence and prevalence in Chadiza District, Eastern Province. ProCCM is a strategy of regular visits by CHWs to all households in a community to identify people with malaria symptoms, provide rapid diagnostic testing, and treat those with malaria with artemisinin combination therapy. We conducted a qualitative midline assessment of this trial to describe the feasibility and acceptability of ProCCM. Key informant interviews (KIIs) were conducted with CHWs provincial and district staff, health facility staff, and community leaders, while focus group discussions were conducted with community members from six ProCCM and six passive CCM clusters. All respondent groups preferred ProCCM to passive CCM, reporting that it reduces distance travelled to seek care and provides care to people with challenges accessing it. Most CHWs and health facility staff perceived the ProCCM arm to have less malaria compared to the passive arm. Six provincial, district, and health facility staff and five CHWs felt that ProCCM was onerous for CHWs, necessitating compensation. Four health facility staff reported supervising ProCCM CHWs more frequently than before the trial, which two saw as an additional, albeit manageable, time commitment. District and health facility staff noted an increase in commodities consumption due to ProCCM. Other challenges included long distances covered by CHWs during visits and the impact of the farming cycle on both households’ and CHWs’ availability for visits. The findings suggest that ProCCM is both feasible to implement and acceptable to communities but requires additional time and travel for CHWs.
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 | 0,022 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,007 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».