Barriers, Facilitators and Priorities for Implementation of WHO Maternal and Perinatal Health Guidelines in Four Lower-Income Countries: A GREAT Network Research Activity
Notice bibliographique
Résumé
Background Health systems often fail to use evidence in clinical practice. In maternal and perinatal health, the majority of maternal, fetal and newborn mortality is preventable through implementing effective interventions. To meet this challenge, WHO's Department of Reproductive Health and Research partnered with the Knowledge Translation Program at St. Michael's Hospital (SMH), University of Toronto, Canada to establish a collaboration on knowledge translation (KT) in maternal and perinatal health, called the GREAT Network (Guideline-driven, Research priorities, Evidence synthesis, Application of evidence, and Transfer of knowledge). We applied a systematic approach incorporating evidence and theory to identifying barriers and facilitators to implementation of WHO maternal heath recommendations in four lower-income countries and to identifying implementation strategies to address these. Methods We conducted a mixed-methods study in Myanmar, Uganda, Tanzania and Ethiopia. In each country, stakeholder surveys, focus group discussions and prioritization exercises were used, involving multiple groups of health system stakeholders (including administrators, policymakers, NGOs, professional associations, frontline healthcare providers and researchers). Results Despite differences in guideline priorities and contexts, barriers identified across countries were often similar. Health system level factors, including health workforce shortages, and need for strengthened drug and equipment procurement, distribution and management systems, were consistently highlighted as limiting the capacity of providers to deliver high-quality care. Evidence-based health policies to support implementation, and improve the knowledge and skills of healthcare providers were also identified. Stakeholders identified a range of tailored strategies to address local barriers and leverage facilitators. Conclusion This approach to identifying barriers, facilitators and potential strategies for improving implementation proved feasible in these four lower-income country settings. Further evaluation of the impact of implementing these strategies is needed.
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 | 0,012 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».