Setting global research priorities for integrated community case management (iCCM): Results from a CHNRI (Child Health and Nutrition Research Initiative) exercise
Notice bibliographique
Résumé
AIMS: To systematically identify global research gaps and resource priorities for integrated community case management (iCCM). METHODS: An iCCM Child Health and Nutrition Research Initiative (CHNRI) Advisory Group, in collaboration with the Community Case Management Operational Research Group (CCM ORG) identified experts to participate in a CHNRI research priority setting exercise. These experts generated and systematically ranked research questions for iCCM. Research questions were ranked using a "Research Priority Score" (RPS) and the "Average Expert Agreement" (AEA) was calculated for every question. Our groups of experts were comprised of both individuals working in Ministries of Health or Non Governmental Organizations (NGOs) in low- and middle-income countries (LMICs) and individuals working in high-income countries (HICs) in academia or NGO headquarters. A Spearman's Rho was calculated to determine the correlation between the two groups' research questions' ranks. RESULTS: The overall RPS ranged from 64.58 to 89.31, with a median score of 81.43. AEA scores ranged from 0.54 to 0.86. Research questions involving increasing the uptake of iCCM services, research questions concerning the motivation, retention, training and supervision of Community Health Workers (CHWs) and concerning adding additional responsibilities including counselling for infant and young child feeding (IYCF) and treatment of severe acute malnutrition (SAM) ranked highly. There was weak to moderate, statistically significant, correlation between scores by representatives of high-income countries and those working in-country or regionally (Spearman's ρ = 0.35034, P < 0.01). CONCLUSIONS: Operational research to determine optimal training, supervision and modes of motivation and retention for the CHW is vital for improving iCCM, globally, as is research to motivate caregivers to take advantage of iCCM services. Experts working in-country or regionally in LMICs prioritized different research questions than those working in organization headquarters in HICs. Further exploration is needed to determine the nature of this divergence.
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 | 0,292 | 0,310 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,004 | 0,017 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».