Scaling up malaria intervention “packages” in Senegal: using cost effectiveness data for improving allocative efficiency and programmatic decision-making
Notice bibliographique
Résumé
BACKGROUND: Senegal's National Malaria Control Programme (NMCP) implements control interventions in the form of targeted packages: (1) scale-up for impact (SUFI), which includes bed nets, intermittent preventive treatment in pregnancy, rapid diagnostic tests, and artemisinin combination therapy; (2) SUFI + reactive case investigation (focal test and treat); (3) SUFI + indoor residual spraying (IRS); (4) SUFI + seasonal malaria chemoprophylaxis (SMC); and, (5) SUFI + SMC + IRS. This study estimates the cost effectiveness of each of these packages to provide the NMCP with data for improving allocative efficiency and programmatic decision-making. METHODS: This study is a retrospective analysis for the period 2013-2014 covering all 76 Senegal districts. The yearly implementation cost for each intervention was estimated and the information was aggregated into a package cost for all covered districts. The change in the burden of malaria associated with each package was estimated using the number of disability adjusted life-years (DALYs) averted. The cost effectiveness (cost per DALY averted) was then calculated for each package. RESULTS: The cost per DALY averted ranged from $76 to $1591 across packages. Using World Health Organization standards, 4 of the 5 packages were "very cost effective" (less than Senegal's GDP per capita). Relative to the 2 other packages implemented in malaria control districts, the SUFI + SMC package was the most cost-effective package at $76 per DALY averted. SMC seems to make IRS more cost effective: $582 per DALY averted for SUFI + IRS compared with $272 for the SUFI + IRS + SMC package. The SUFI + focal test and treat, implemented in malaria elimination districts, had a cost per DALY averted of $1591 and was only "cost-effective" (less than three times Senegal's per capita GDP). CONCLUSION: Senegal's choice of deploying malaria interventions by packages seems to be effectively targeting high burden areas with a wide range of interventions. However, not all districts showed the same level of performance, indicating that efficiency gains are still possible.
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 | 0,006 | 0,006 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».