Assessing the Impact of Task-Shifting on Infant, Maternal and Child Health Outcomes in Rural Nigeria
Notice bibliographique
Résumé
By using a longitudinal panel data approach, this study assesses how task-shifting affects maternal, infant, and child health outcomes in underdeveloped Nigeria. An analysis was done of data from administrative health records, national health surveys, and reports from the Federal Ministry of Health, UNICEF, and WHO. By means of a difference-in-differences (DiD) econometric technique, the study aims to estimate the impact of task-shifting by analyzing health results before and after implementation in institutions with and without the intervention. Key dependent variables are maternal mortality rate, infant mortality rate, under-five mortality rate, and immunization coverage. Independent variables include the degree of training given, the number of non-physician health care providers, and the status of task-shifting implementation. Regional fixed effects, facility characteristics, and socioeconomic variables are among the control variables. In facilities where task-shifting was applied, the outcomes show a statistically significant decrease in maternal and child death rates as well as an increase in immunization coverage. The validity of the results is confirmed by robustness checks including placebo tests and sensitivity analyses. Task-shifting is shown in the research to be a successful tactic for bettering health results in rural areas with limited resources. It recommends policies to strengthen training and support for non-physician healthcare workers and urges more widespread adoption of task-shifting initiatives to more effectively improve maternal and child health.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».