Health workforce surge capacity during the COVID‐19 pandemic and other global respiratory disease outbreaks: A systematic review of health system requirements and responses
Notice bibliographique
Résumé
Abstract Health system decision‐makers need comprehensive evidence to mitigate surges in the demand for human resources for health (HRH) during infectious disease outbreaks. This study aimed to assess the state of the evidence on policy and planning responses to HRH surge capacity during the coronavirus disease (COVID‐19) pandemic and other viral respiratory disease outbreaks of global significance in the 21st century. We systematically searched eight bibliographic databases to extract primary research articles published between January 2000 and June 2020 capturing temporal changes in health workforce requirements and responses surrounding respiratory virus pandemics. Following the Preferred Reporting Items for Systematic Reviews and Meta‐analyses standard, 16 studies met our inclusion criteria. Five focused on COVID‐19, three on H1N1, and eight modelled a hypothetical pandemic. Investigations of different training, mobilization, and redeployment options to address pandemic‐time health system capacity were reviewed; however, few scenarios drew on observational HRH data, and heterogeneity of study approaches and outcomes generally precluded comparability across contexts. Notable evidence gaps included occupational and psychosocial factors affecting healthcare workers' absenteeism and risk of burnout, gendered considerations of HRH capacity, evaluations in low‐ and lower‐middle income countries, and policy‐actionable assessments to inform post‐pandemic recovery and sustainability of services for noncommunicable disease management.
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 | 0,014 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».