Estimating Chinese foreign health aid: an analysis of AidData's Global Chinese Official Finance dataset
Notice bibliographique
Résumé
Background Chinese global health aid has expanded tremendously since the 2000s. Unlike many donors, China has no official aid reporting obligations, nor does it voluntarily disclose detailed aid information. Therefore, several third parties have attempted to estimate China's health aid footprint. However, current estimates use varied definitions of health aid, geographic regions, and time spans. These distinct methodological approaches make comparisons of Chinese aid to other aid donors difficult. Our study builds on previous tracking efforts and improves on them by creating a standardised estimate using commonly accepted definitions of aid and frameworks for categorising health projects. Methods We categorised AidData's Chinese Official Finance Dataset health-related projects according to health aid frameworks from the Organization for Economic Co-operation and Development (OECD) and the Institute for Health Metrics and Evaluation (IHME). Only projects that fitted the definition of official development assistance were included. We analysed data by both total project count and financial value to assess priority health-aid focus areas for China. We also provide an updated estimate for projects with missing financial values in AidData's database by applying the median cost of similar projects to projects with missing financial values, allowing for comparison with other donors. Findings Between 2000 and 2014, China funded 620 health-related aid projects, which made up more than 20% of its total aid project portfolio. Most of these projects were located in Africa. According to the OECD framework, the priority focus areas of these 620 projects were: basic health care, such as medical teams, drugs, and medicine (n=244, 36%); malaria control (118, 19%); medical services, such as specialty equipment, infrastructure and services (108, 17%); and basic health infrastructure (78, 13%). According to the IHME framework, health-systems strengthening accounted for 70% (n=434) of total projects, primarily due to China's contributions to human resources for health, infrastructure, and equipment. The only other significant allocation under the IHME framework was malaria (n=118, 19%). When we estimate missing financial values, we noted that China was the fourth largest health aid donor to African countries from 2008–2014, after the USA, UK, and Canada. Interpretation These findings enable a better understanding of Chinese health aid in the absence of transparent aid reporting. Such understanding could lead to better coordination, collaboration, and resource allocation for both fellow donors and recipient countries. Funding Huang Fellows Program, Duke University Science & Society (PK).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».