Intersectoral collaboration for the prevention and control of vector borne diseases to support the implementation of a global strategy: A systematic review
Notice bibliographique
Résumé
INTRODUCTION: Vector Borne Diseases (VBDs) have a major impact on public health and socio-economic development. Inter-sectoral collaboration was recommended as one of the key elements of Integrated Vector Management (IVM), however limited evidence measures the effect and contribution of intersectoral approaches including but not only IVM. This systematic review aims to assess the existing evidence on all forms of inter-sectoral collaboration in VBD control and prevention, identify any gaps and develop a framework from a global perspective. METHODS: Articles were identified through a search of PUBMED, Science of Direct, Web of Knowledge, Google Scholar and WHO archives using key words and excluded duplications (n = 2,034). The exclusion of non-VBDs control and prevention interventions resulted in 194 eligible titles/abstract/keywords for full text assessment. Further exclusion of non-peer reviewed articles, non-declaration of ethical clearance, reviews and expert opinion articles resulted in 50 articles finally being included for analysis with the extraction of data on outcome, factor/s influencing the effectiveness, indicators of collaboration and sustainability. RESULTS: Of the 50 articles included in the analysis, 19 articles were categorized as of moderate-strong quality. All articles compared pre- and post-intervention outcomes against disease or vector variables. Three papers included outcome variables on intersectoral collaboration and participation indicator. However, no paper undertook component analysis by different sectors or different activities. Only one paper compared cost data for community-intersectoral intervention for IRS and traditional "vertical" IRS. Six factors were identified as influencing the effectiveness of inter-sectoral collaboration. Five of six factors are the main ones, namely the approach (37/47), resources (34/47), relationships (33/47), management (29/47) and shared vision (20/47) factors. A conceptual framework has been developed based on this review. CONCLUSION: This review shows the importance of inter-sectoral collaboration to reduce VBDs or vector densities. However, very few studies measured how much inter-sectoral collaboration contributes to the impact. Further high-quality studies using inter-sectoral collaboration indicators are recommended to be undertaken.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 ».