MétaCan
Menu
Retour à la cohorte
Enregistrement W3034164375 · doi:10.1186/s12889-020-08975-0

The influence of corruption and governance in the delivery of frontline health care services in the public sector: a scoping review of current and future prospects in low and middle-income countries of south and south-east Asia

2020· review· en· W3034164375 sur OpenAlexaff
Nahitun Naher, Roksana Hoque, Muhammad Shaikh Hassan, Dina Balabanova, Alayne M. Adams, Syed Masud Ahmed

Notice bibliographique

RevueBMC Public Health · 2020
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Systems and Reforms
Établissements canadiensMcGill University
Organismes subventionnairesDepartment for International DevelopmentDepartment for International Development, UK Government
Mots-clésMedicineBiostatisticsPublic healthCorporate governancePublic sectorLanguage changeHealth services researchLow and middle income countriesHealth care deliveryHealth careHealth policyEnvironmental healthHealth servicesQuality of Life ResearchEconomic growthDeveloping countryNursingPopulationBusinessFinanceEconomics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The dynamic intersection of a pluralistic health system, large informal sector, and poor regulatory environment have provided conditions favourable for 'corruption' in the LMICs of south and south-east Asia region. 'Corruption' works to undermine the UHC goals of achieving equity, quality, and responsiveness including financial protection, especially while delivering frontline health care services. This scoping review examines current situation regarding health sector corruption at frontlines of service delivery in this region, related policy perspectives, and alternative strategies currently being tested to address this pervasive phenomenon. METHODS: A scoping review following the Preferred Reporting Items for Systematic Reviews and Meta-Analysis (PRISMA) was conducted, using three search engines i.e., PubMed, SCOPUS and Google Scholar. A total of 15 articles and documents on corruption and 18 on governance were selected for analysis. A PRISMA extension for Scoping Reviews (PRISMA-ScR) checklist was filled-in to complete this report. Data were extracted using a pre-designed template and analysed by 'mixed studies review' method. RESULTS: Common types of corruption like informal payments, bribery and absenteeism identified in the review have largely financial factors as the underlying cause. Poor salary and benefits, poor incentives and motivation, and poor governance have a damaging impact on health outcomes and the quality of health care services. These result in high out-of-pocket expenditure, erosion of trust in the system, and reduced service utilization. Implementing regulations remain constrained not only due to lack of institutional capacity but also political commitment. Lack of good governance encourage frontline health care providers to bend the rules of law and make centrally designed anti-corruption measures largely in-effective. Alternatively, a few bottom-up community-engaged interventions have been tested showing promising results. The challenge is to scale up the successful ones for measurable impact. CONCLUSIONS: Corruption and lack of good governance in these countries undermine the delivery of quality essential health care services in an equitable manner, make it costly for the poor and disadvantaged, and results in poor health outcomes. Traditional measures to combat corruption have largely been ineffective, necessitating the need for innovative thinking if UHC is to be achieved by 2030.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,024
score de la tête « metaresearch » (Gemma)0,070
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,127

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,070
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,006
Bibliométrie0,0170,018
Études des sciences et des technologies0,0010,002
Communication savante0,0060,004
Science ouverte0,0010,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,063
Tête enseignante GPT0,308
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations147
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetHealthcare Systems and ReformsTravaux en français237 207