Health technology assessment capacity at national level in sub-Saharan Africa: an initial survey of stakeholders
Notice bibliographique
Résumé
<ns3:p> <ns3:bold>Background:</ns3:bold> Health technology assessment (HTA) is an effective tool to support priority setting (PS) in health. Stakeholder groups need to understand HTA appropriate to their role and to interpret and critique the evidence produced. We aimed to rapidly assess current health system priorities and policy areas of demand for HTA in Sub-Saharan Africa, and identify key gaps in data and skills to inform targeted capacity building. </ns3:p> <ns3:p> <ns3:bold>Methods:</ns3:bold> We revised an existing survey, delivered it to 357 participants, then analysed responses and explored key themes. </ns3:p> <ns3:p> <ns3:bold>Results:</ns3:bold> There were 51 respondents (14%) across 14 countries. HTA was considered an important and valuable PS tool with a key role in the design of health benefits packages, clinical guideline development, and service improvement. Medicines were identified as a technology type that would especially benefit from the application of HTA. Using HTA to address safety issues (e.g. low-quality medicines) and value for money concerns was particularly highlighted. The perceived availability and accessibility of suitable local data to support HTA varied widely but was mostly considered inadequate and limited. Respondents also noted a need for training support in research methodology and data gathering. </ns3:p> <ns3:p> <ns3:bold>Conclusions:</ns3:bold> While important in raising awareness of HTA as a tool for PS, this study had a low response rate, and that respondents were self-selected. A more refined survey will be developed to support engagement strategies and capacity building. </ns3:p>
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 | 0,057 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».