Research gaps in the organisation of primary healthcare in low-income and middle-income countries and ways to address them: a mixed-methods approach
Notice bibliographique
Résumé
INTRODUCTION: Since the Alma-Ata Declaration 40 years ago, primary healthcare (PHC) has made great advances, but there is insufficient research on models of care and outcomes-particularly for low-income and middle-income countries (LMICs). Systematic efforts to identify these gaps and develop evidence-based strategies for improvement in LMICs has been lacking. We report on a global effort to identify and prioritise the knowledge needs of PHC practitioners and researchers in LMICs about PHC organisation. METHODS: Three-round modified Delphi using web-based surveys. PHC practitioners and academics and policy-makers from LMICs sampled from global networks. First round (pre-Delphi survey) collated possible research questions to address knowledge gaps about organisation. Responses were independently coded, collapsed and synthesised. Round 2 (Delphi round 1) invited panellists to rate importance of each question. In round 3 (Delphi round 2), panellists ranked questions into final order of importance. Literature review conducted on 36 questions and gap map generated. RESULTS: Diverse range of practitioners and academics in LMICs from all global regions generated 744 questions for PHC organisation. In round 2, 36 synthesised questions on organisation were rated. In round 3, the top 16 questions were ranked to yield four prioritised questions in each area. Literature reviews confirmed gap in evidence on prioritised questions in LMICs. CONCLUSION: In line with the 2018 Astana Declaration, this mixed-methods study has produced a unique list of essential gaps in our knowledge of how best to organise PHC, priority-ordered by LMIC expert informants capable of shaping their mitigation. Research teams in LMIC have developed implementation plans to answer the top four ranked research questions.
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 | 0,013 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».