Tobacco control funding for low-income and middle-income countries in a time of economic hardship
Notice bibliographique
Résumé
OBJECTIVE: To assess how levels of tobacco control funding for low-income and middle-income countries (LMIC) changed following the 2008-2009 global economic downturn. METHODS: In order to estimate the amount of tobacco control funding in LMICs, we created an integrated database of Development Assistance to Control Tobacco (DACT). This database includes data on funding from bilateral and multilateral donors, non-governmental organisations, private foundations and the corporate sector. The database contains information on 1389 disbursements awarded by 30 entities between 2000 and 2012. RESULTS: DACT declined only marginally from US$68.8 million (US$0.016 per adult) in 2009 to US$68.2 million (US$0.016 per adult) in 2011, but deviated significantly from its 2000 to 2009 trend. The sources of funding remain highly concentrated, with nearly a half of the money coming from the Bloomberg Initiative and the Bill & Melinda Gates Foundation in 2011. The relative importance of institutional and research grants has declined. CONCLUSIONS: Our findings are consistent with the patterns in general levels of development assistance for health: after a decade of rapid growth, funding for tobacco control activities in LMICs has levelled off. Just as the tobacco control community is beginning to envision the endgame for tobacco, the funding remains erratic, inadequate, and highly vulnerable due to its level of concentration. Innovative financing mechanisms might help to increase the funding pool.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».