Strengthening the health workforce to support integration of HIV and noncommunicable disease services in sub-Saharan Africa
Notice bibliographique
Résumé
OBJECTIVE: The successful expansion of HIV services in sub-Saharan Africa has been a signature achievement of global public health. This article explores health workforce-related lessons from HIV scale-up, their implications for integrating noncommunicable disease (NCD) services into HIV programs, ways to ensure that healthcare workers have the knowledge, skills, resources, and enabling environment they need to provide comprehensive integrated HIV/NCD services, and discussion of a priority research agenda. DESIGN AND METHODS: We conducted a scoping review of the published and 'gray' literature and drew upon our cumulative experience designing, implementing and evaluating HIV and NCD programs in low-resource settings. RESULTS AND CONCLUSION: Lessons learned from HIV programs include the role of task shifting and the optimal use of multidisciplinary teams. A responsible and adaptable policy environment is also imperative; norms and regulations must keep pace with the growing evidence base for task sharing, and early engagement of regulatory authorities will be needed for successful HIV/NCD integration. Ex-ante consideration of work culture will also be vital, given its impact on the quality of service delivery. Finally, capacity building of a robust interdisciplinary workforce is essential to foster integrated patient-centered care. To succeed, close collaboration between the health and higher education sectors is needed and comprehensive competency-based capacity building plans for various health worker cadres along the education and training continuum are required. We also outline research priorities for HIV/NCD integration in three key domains: governance and policy; education, training, and management; and service delivery.
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 | 0,000 | 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 | 0,000 | 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 ».