Measuring responsiveness and mistreatment in maternity care in sub-Saharan Africa: a questionnaire validation and development of a score
Notice bibliographique
Résumé
Abstract Introduction: Mistreatment and abuse are still experienced by women during hospital childbirth in many parts of the world, with sub-Saharan Africa being one of the places where it is most common. Interventions aiming to improve respectful maternity care must be able to assess the prevalence of responsiveness and mistreatment women experience. This is usually done with questionnaires, though these are not always validated. Scores to represent the level of responsiveness and mistreatment experienced have many uses and can be created from questionnaire results, though no score is consistently used in this field. A new questionnaire measuring responsiveness and mistreatment was developed for use in the ALERT ("Action leveraging evidence to reduce perinatal mortality and morbidity in sub-Saharan Africa") study, as a questionnaire covering both of these concepts did not previously exist. This study aimed to validate this questionnaire and to create a scoring method. Methods: Psychometric analyses, including exploratory and confirmatory factor analysis, were performed on data collected from the ALERT project to identify and confirm underlying factors. Using these factors, simple summation and factor-weighted methods were used to create scores and their results compared. Results: Six factors were identified: "Communication & supportive care", "Hospital environment", "Respect & dignity", "Social support", "Privacy & confidentiality" and "No normalised abuse". The results of the two scoring methods developed were similar. Conclusions: The responsiveness and mistreatment questionnaire has high validity in the ALERT study population for the six factors identified. The two scoring methods developed are useful for many aspects of the ALERT intervention, including to facilitate comparisons and measure progress towards improving respectful maternity care.
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 | 0,014 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».