Research priority setting for integrated early child development and violence prevention (ECD+) in low and middle income countries: An expert opinion exercise
Notice bibliographique
Résumé
Child development in low and middle income countries (LMIC) is compromised by multiple risk factors. Reducing children's exposure to harmful events is essential for early childhood development (ECD). In particular, preventing violence against children - a highly prevalent risk factor that negatively affects optimal child development - should be an intervention priority. We used the Child Health and Nutrition Initiative (CHNRI) method for the setting of research priorities in integrated Early Childhood Development and violence prevention programs (ECD+). An expert group was identified and invited to systematically list and score research questions. A total of 186 stakeholders were asked to contribute five research questions each, and contributions were received from 81 respondents. These were subsequently evaluated using a set of five criteria: answerability; effectiveness; feasibility and/or affordability; applicability and impact; and equity. Of the 400 questions generated, a composite group of 50 were scored by 55 respondents. The highest scoring research questions related to the training of Community Health Workers (CHW's) to deliver ECD+ interventions effectively and whether ECD+ interventions could be integrated within existing delivery platforms such as HIV, nutrition or mental health platforms. The priority research questions can direct new research initiatives, mainly in focusing on the effectiveness of an ECD+ approach, as well as on service delivery questions. To the best of our knowledge, this is the first systematic exercise of its kind in the field of ECD+. The findings from this research priority setting exercise can help guide donors and other development actors towards funding priorities for important future research related to ECD and violence prevention.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».