Integrating Indigenous Maya practices and digital health tools to improve outcomes for Indigenous newborns in Guatemala: a community-based initiative
Notice bibliographique
Résumé
Neonatal mortality remains a significant equity issue in rural Indigenous communities of Guatemala, where structural barriers and systemic discrimination impede access to quality newborn care. This field report describes a novel community-based initiative implemented by Maya Health Alliance, an Indigenous-lead NGO, to address high neonatal mortality in Maya Kaqchikel communities through a quality improvement (QI) framework. The intervention centers on home-based neonatal care delivered by trained Neonatal Technicians (NTs), supported by a co-designed smartphone application enabling early identification of neonatal danger signs, clinical decision-making, and data collection. The initiative also leverages a culturally responsive referral and patient navigation system to overcome humanistic barriers to care. Designed using QI methodology, the project applies iterative cycles to track key performance indicators such as perinatal and neonatal mortality rates, referral success rates, and the proportion of newborns receiving timely home evaluations. Since launching in 2024, the program has reached 85% of reported newborns, increased referral rates, and engaged local midwives and health staff through ongoing training and co-design efforts. However, challenges have emerged, including high prevalence of low birth weight, limitations in local hospital capacity, and discriminatory care at facilities that discourage families from accepting referrals. The intervention centers Indigenous practices by positioning TMMs at the frontline and adapting protocols to the communities' lived realities. This initiative demonstrates the potential for culturally embedded, digitally supported, and equity-focused QI interventions to improve neonatal outcomes in resource-limited Indigenous settings. Future efforts will focus on expanding staff capacity, deepening community trust, and strengthening health system partnerships.
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 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».