MétaCan
Menu
← Retour à la cohorte
Enregistrement W4413055934 · doi:10.1186/s12913-025-13041-9

Enhancing health workforce capacity through life skills-based interventions: evidence from Pakistan on reducing gender-based violence

2025· article· en· W4413055934 sur OpenAlexfundno aff
Tazeen Saeed Ali, Ambreen A. Merchant, Warisha Qamar, Zahid Memon, Rubina Barolia, Zulfiqar A Bhutta

Notice bibliographique

RevueBMC Health Services Research · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIntimate Partner and Family Violence
Établissements canadiensnon disponible
Organismes subventionnairesGlobal Affairs CanadaUnited Nations Population FundAga Khan Foundation CanadaAga Khan Foundation
Mots-clésNursingPsychological interventionMedicineHealth careHealth administrationWorkforceReferralNursing researchMedical educationPublic health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Gender-based violence is a pervasive issue in Pakistan, necessitating effective interventions to enhance the responsiveness of healthcare workers' capacity to respond effectively to Gender-based violence. This study aims to strengthen the health system's response to Gender-based violence by implementing a need-based Life Skills-Based Training program for healthcare providers in Pakistan. METHOD: A quasi-experimental pre-post study design was employed. The intervention, i.e., Life Skills-Based Training program was implemented across four diverse districts Matiari and Shadadkot (Sindh), Chitral (Khyber Pakhtunkhwa), and Gilgit (Gilgit-Baltistan) to ensure geographic and sociocultural variation. A total of 84 healthcare providers and 78 stakeholders were purposively selected based on their roles in patient care or Gender-based violence-related policymaking. Life Skills-Based Training was delivered over six days at each site, including tailored modules for healthcare providers and stakeholders, focusing on Gender-based violence concepts, screening, counseling, referral pathways, and system-level advocacy. A pre- and post-test assessment was administered to measure changes in knowledge, competencies, and attitudes using structured questionnaires adapted from UNHCR and UNICEF tools. Quantitative analysis of score improvements and qualitative feedback were used to evaluate training effectiveness. RESULTS: A comparative analysis of pre- and post-test assessments demonstrated significant improvements in participants' Gender-based violence knowledge, awareness, and case management skills, with high satisfaction reported in Life Skills-Based Training evaluations. Feedback highlighted themes such as the effectiveness of training, the need for competent professionals, involving community leaders, replicating sessions, government health system responses, and integrating Gender-based violence education into curricula. Follow-up results demonstrated the sustainability of interventions, with participants actively applying their knowledge and leading community education. CONCLUSION: The study highlights the need for continuous capacity-building and integrating Gender-based violence education into healthcare and educational systems to improve support for survivors. Strengthening the health workforce with targeted training and protocols is essential for addressing Gender-based violence effectively, offering a framework for similar efforts in other regions to foster equitable and responsive healthcare.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,211
Tête enseignante GPT0,529
Écart entre enseignants0,318 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Health Services Research→Même sujetIntimate Partner and Family Violence→Travaux en français237 207→