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 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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,621 | 0,227 |
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 ».