L’impact d’une intervention d’humanisation des accouchements sur l’expérience de soins des femmes au Sénégal
Bibliographic record
Abstract
Introduction : Les violences faites aux femmes lorsqu’elles accouchent dans une structure sanitaire constituent une violation de leurs droits fondamentaux et contribuent à la morbidité et la mortalité maternelles. Ces dernières années, plusieurs pays, dont le Sénégal, ont mis en œuvre des interventions visant à améliorer l’expérience d’accouchement des femmes par des soins humanisés. But de l’étude : Cette étude a pour objectif d’analyser l’expérience d’accouchement des femmes qui ont bénéficié de l’intervention « L’accouchement humanisé » lors de leur dernière grossesse, au Sénégal. Pour ce faire, nous avons réalisé au printemps 2019 une recherche qualitative basée sur une étude de cas multiples. Trois méthodes de collecte ont été utilisées : l’observation directe, les entrevues individuelles et l’analyse documentaire. Les entrevues individuelles ont été réalisées auprès de 20 femmes accouchées et 8 sages-femmes. Les observations directes, basées sur le cadre conceptuel de la qualité des soins de Donabedian, ont duré en moyenne 5 jours par structure sanitaire ( n = 20). Résultats : L’accueil adéquat et l’attitude respectueuse des professionnels ont été déterminants dans le niveau de satisfaction des femmes accouchées. D’autres facteurs ont aussi contribué à leur satisfaction, tels que les possibilités de boire et de manger durant le travail, d’être accompagnée par un proche et de choisir leur position à l’accouchement. Certaines difficultés ont été rencontrées dans la mise en œuvre de l’intervention : salle d’accouchement non fonctionnelle, insuffisance en ressources humaines qualifiées et méconnaissance de l’intervention. Pour ces raisons, peu de femmes ont bénéficié de l’ensemble de l’intervention. Conclusions : Nos résultats suggèrent donc que l’amélioration de la qualité des soins à l’accouchement, pour un accouchement « humanisé » (ou naturel, respectueux), n’est vraiment possible que lorsque certaines conditions matérielles et médicales sont réunies et qu’elle se prépare en amont, lors de la période prénatale.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".