Health Worker Training Materials ~ Smart Discharges
Notice bibliographique
Résumé
<strong>Objective(s):</strong> The Smart Discharges Health Worker Training Program uses a train-the-trainer model to improve the quality of discharge care. Core learning components include: 1) understanding why children die during the vulnerable period after discharge; 2) conducting risk assessment for post-discharge vulnerability (facility-based health workers only); and 3) Effective counselling practices. <br /><strong>Data Description:</strong> This dataset includes the following materials for use in the Smart Discharges Training Program: 1) Facilitators Guide; 2) Health Workers Guide; 3) Community Health Worker’s Trainer’s Manual; 4) Smart Discharges Training Pre-Post Test; 5) Smart Discharges Training Program Evaluation Form. Materials were originally developed by WALIMU, in partnership with the University of British Columbia, and were adapted by the Uganda Ministry of Health. <br />All materials are provided in the English language. <br /><strong>Limitations:</strong> These materials were designed for the Ugandan context and may not be generalizable to other settings. <br /><strong>Abbreviations:</strong> Village Health Teams (VHT) (i.e. local term for Community Health Worker (CHW)) <br /><strong>Ethics Declaration:</strong> NA <br /><strong>Funding Source(s):</strong> BC Children's Hospital Foundation; Grand Challenges Canada; Mining4Life; Thrasher Research Fund;
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».