Planning and sustaining HIV response in the countries of the “risky middle”
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper focusses on high-HIV middle-income countries termed the "risky middle", i.e. characterised by a typology based on HIV burden and gross national income (GNI), according to which seven countries - Lesotho, Eswatini, Kenya, Zimbabwe, Tanzania, Namibia and Zambia - are identified. There is particular concern for "people left behind", the factors determining a country's ability to mobilise resources in the context of multiple development needs - including economic disparities; the political economy of fiscal decision-making; levels of health investment; health and community systems; political will; and currency fluctuations. While donors will support lower-income countries and higher-income countries can compensate from domestic resources, there is a risk that some high-burden, lower middle-income countries will be unable to sustain a response. Continued growth means that there are countries transitioning to higher World Bank income classification - an important criterion for allocating development assistance for health. Our concern is that countries may face external funding reduction once their income category improves, and those in the risky middle will be unable to compensate from domestic resources. We conclude, with guidance from UNAIDS, the international community should step up support for "risky middle" countries. In addition these countries need to recognise the threat and develop measures to counter it, including improved accountability. Funding declines should be reversed through funding benchmarks that relate to both GDP and HIV prevalence. Finally, risky middle countries could constitute themselves as a special interest group, to protect their HIV funding and AIDS response.
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.
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 | 0,014 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle