Skip to main content

Free Content Community-based validation of assessment of newborn illnesses by trained community health workers in Sylhet district of Bangladesh

Download Article:

You have access to the full text article on a website external to Ingenta Connect.

Please click here to view this article on Wiley Online Library.

You may be required to register and activate access on Wiley Online Library before you can obtain the full text. If you have any queries please visit Wiley Online Library

Summary Objectives  To validate trained community health workers’ recognition of signs and symptoms of newborn illnesses and classification of illnesses using a clinical algorithm during routine home visits in rural Bangladesh. Methods  Between August 2005 and May 2006, 288 newborns were assessed independently by a community health worker and a study physician. Based on a 20-sign algorithm, sick neonates were classified as having very severe disease, possible very severe disease or no disease. The physician’s assessment was considered as the gold standard. Results  Community health workers correctly classified very severe disease in newborns with a sensitivity of 91%, specificity of 95% and kappa value of 0.85 ( < 0.001). Community health workers’ recognition showed a sensitivity of more than 60% and a specificity of 97–100% for almost all signs and symptoms. Conclusion  Community health workers with minimal training can use a diagnostic algorithm to identify severely ill newborns with high validity.

Validation basée sur la communauté, de l’évaluation des maladies du nouveau-né par des agents de santé communautaire formés dans le district de Sylhet au Bangladesh Objectifs: 

Valider la reconnaissance des signes et symptômes des maladies du nouveau-né et la classification des maladies par les agents de santé communautaire formés, en utilisant un algorithme clinique au cours des visites de routine à domicile dans les zones rurales du Bangladesh. Méthodes: 

Entre août 2005 et mai 2006, 288 nouveau-nés ont étéévalués indépendamment par un agent de santé communautaire et un médecin de l’étude. Sur base d’un algorithme à 20 signes, les nouveau-nés malades ont été classés comme ayant: une maladie très grave, une possible maladie très grave ou pas de maladie. L’évaluation du médecin a été considérée comme référence. Résultats: 

les agents de santé communautaire ont correctement classé les maladies très graves chez les nouveau-nés avec une sensibilité de 91%, une spécificité de 95% et une valeur Kappa de 0,85 (p <0,001). La reconnaissance par les agents de santé communautaires a démontré une sensibilité de plus de 60% et une spécificité de 97 à 100% pour presque tous les signes et les symptômes. Conclusion: 

les agents de santé communautaire avec une formation minimale peuvent utiliser un algorithme de diagnostic pour identifier les nouveau-nés gravement malades avec une validitéélevée.
No References
No Citations
No Supplementary Data
No Data/Media
No Metrics

Keywords: Bangladesh; agents de santé communautaire; community health workers; enfermedades neonatos; evaluación de neonatos; maladie du nouveau-né; newborn assessment; newborn health; newborn illness; salud neonatos; santé du nouveau-né; trabajadores sanitarios comunitarios; validación; validation; évaluation du nouveau-né

Document Type: Research Article

Affiliations: 1:  Child Health Unit, International Centre for Diarrhoeal Disease Research, Bangladesh, Dhaka, Bangladesh 2:  Department of International Health, Johns Hopkins Bloomberg School of Public Health, Baltimore, MD, USA 3:  Department of Population, Family and Reproductive Health, Johns Hopkins Bloomberg School of Public Health, Baltimore, MD, USA

Publication date: 2009-12-01

  • Access Key
  • Free content
  • Partial Free content
  • New content
  • Open access content
  • Partial Open access content
  • Subscribed content
  • Partial Subscribed content
  • Free trial content
Cookie Policy
Cookie Policy
Ingenta Connect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more