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

Authors


Corresponding Author Abdullah H. Baqui, Department of International Health, Johns Hopkins Bloomberg School of Public Health, Suite E-8138, 615 N. Wolfe St., Baltimore, MD 21205, USA. E-mail: abaqui@jhsph.edu

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 (P < 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.

Abstract

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.

Abstract

Validación basada en la comunidad de la evaluación de enfermedades en recién nacidos realizadas por trabajadores sanitarios comunitarios del distrito de Sylhet en Bangladesh

Objetivos:  Validar el reconocimiento de signos y síntomas de enfermedades neonatales realizado por trabajadores sanitarios comunitarios entrenados y la clasificación posterior de la enfermedad utilizando un algoritmo clínico durante visitas rutinarias a hogares rurales de Bangladesh.

Métodos:  Entre Agosto 2005 y Mayo 2006, 288 recién nacidos fueron evaluados de forma independiente por un trabajador sanitario y un médico involucrado en el estudio. Basándose en un algoritmo de 20 signos, los neonatos enfermos fueron clasificados como teniendo una enfermedad muy grave, una posible enfermedad muy grave y sin enfermedad. La evaluación del médico se consideró el criterio de referencia.

Resultados:  Los trabajadores sanitarios comunitarios clasificaron de forma correcta las enfermedades muy graves en recién nacidos con una sensibilidad del 91%, especificidad del 95%, y valor kappa del 0.85 (p<0.001). El reconocimiento de los trabajadores sanitarios comunitarios mostró una sensibilidad de más del 60% y una especificidad del 97-100% para la mayoría de signos y síntomas.

Conclusión:  Los trabajadores sanitarios comunitarios con un entrenamiento mínimo pueden utilizar un algoritmo diagnóstico para identificar a neonatos severamente enfermos.

Ancillary