Evidence of integrated health service delivery during COVID-19 in low and lower-middle-income countries: protocol for a scoping review
Notice bibliographique
Résumé
INTRODUCTION: The importance of integrated, people-centred health systems has been recognised as a central component of Universal Health Coverage. Integration has also been highlighted as a critical element for building resilient health systems that can withstand the shock of health emergencies. However, there is a dearth of research and systematic synthesis of evidence on the synergistic relationship between integrated health services and pandemic preparedness, response, and recovery in low-income and lower-middle-income countries (LMICs). Thus, the authors are organising a scoping review aiming to explore the application of integrated health service delivery approaches during the emerging COVID-19 pandemic in LMICs. METHODS AND ANALYSIS: This scoping review adheres to the six steps for scoping reviews from Arksey and O'Malley. Peer-reviewed scientific literature will be systematically assembled using a standardised and replicable search strategy from seven electronic databases, including PubMed, Embase, Scopus, Web of Science, CINAHL Plus, the WHO's Global Research Database on COVID-19 and LitCovid. Initially, the title and abstract of the collected literature, published in English from December 2019 to June 2020, will be screened for inclusion which will be followed by a full-text review by two independent reviewers. Data will be charted using a data extraction form and reported in narrative format with accompanying data matrix. ETHICS AND DISSEMINATION: No ethical approval is required for the review. The study will be conducted from June 2020 to May 2021. Results from this scoping review will provide a snapshot of the evidence currently being generated related to integrated health service delivery in response to the COVID-19 pandemic in LMICs. The findings will be developed into reports and a peer-reviewed article and will assist policy-makers in making pragmatic and evidence-based decisions for current and future pandemic responses.
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 | 0,150 | 0,135 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,007 |
| Méta-épidémiologie (sens large) | 0,016 | 0,022 |
| Bibliométrie | 0,021 | 0,018 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,012 | 0,012 |
| Science ouverte | 0,008 | 0,009 |
| Intégrité de la recherche | 0,014 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,074 | 0,017 |
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 ».