Global strategies and local implementation of health and health-related SDGs: lessons from consultation in countries across five regions
Notice bibliographique
Résumé
Evidence on early achievements, challenges and opportunities would help low-income and middle-income countries (LMICs) accelerate implementation of health and health-related sustainable development goals (HHSDGs). A series of country-specific and multicountry consultative meetings were conducted during 2018-2019 that involved 15 countries across five regions to determine the status of implementation of HHSDGs. Almost 120 representatives from health and non-health sectors participated. The assessment relied on a multidomain analytical framework drawing on existing public health policy frameworks. During the first 5 years of the sustainable development goals (SDGs) era, participating LMICs from South and Central Asia, East Africa and Latin America demonstrated growing political commitment to HHSDGs, with augmentation of multisectoral institutional arrangements, strengthening of monitoring systems and engagement of development partners. On the other hand, there has been limited involvement of civic society representatives and academia, relatively few capacity development initiatives were in place, a well-crafted communication strategy was missing, and there is limited evidence of additional domestic financing for implementing HHSDGs. While the momentum towards universal health coverage is notable, explicit linkages with non-health SDGs and integrated multisectoral implementation strategies are lacking. The study offers messages to LMICs that would allow for a full decade of accelerated implementation of HHSDGs, and points to the need for more implementation research in each domain and for testing interventions that are likely to work before scale-up.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».