Evaluation of global health capacity building initiatives in low-and middle-income countries: A systematic review
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
BACKGROUND: Low- and middle-income countries (LMICs) are in dire need to improve their health outcomes. Although Global Health Capacity Building (GHCB) initiatives are recommended approaches, they risk being ineffective in the absence of standardized evaluation methods. This study systematically reviews evaluation approaches for GHCB initiatives in LMICs. METHODS: We searched the Medline (OVID), PubMed, Scopus, and Embase.com databases for studies reporting evaluation of a GHCB initiative in a LMIC from January 1, 2009 until August 15, 2019. To differentiate them from intervention, prevention, and awareness initiatives, included articles reported at least one approach to evaluate their learning modality. We excluded cross-sectional studies, reviews, and book chapters that only assessed the effect of interventions. Data identifying the learning modality, and evaluation method, level, time interval, and approach were extracted from articles as primary outcomes. RESULTS: Of 8324 identified studies, 63 articles were eligible for analysis. Most studies stemmed from Africa and Asia (69.8%), were delivered and evaluated face-to-face (74.6% and 76.2%), mainly to professionals (57.1%) and community workers (20.6%). Although the use of online and blended modalities showed an increase over the past 4 years, only face-to-face initiatives were evaluated long-term beyond individual-level. GHCB evaluations in general lacked standardization especially regarding the tools. CONCLUSION: This is an important resource for evaluating GHCB initiatives in LMICs. It synthesizes evaluation approaches, offers recommendations for improvement, and calls for the standardization of evaluations, especially for long-term and wider impact assessment of online and blended modalities.
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 | 0,011 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| 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 | 0,001 |
| 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