Systematic review of health workforce surge capacity during COVID-19 and other viral pandemics
Notice bibliographique
Résumé
Abstract Background Healthcare decision-makers need comprehensive evidence to mitigate surges in the demand for human resources for health (HRH) during infectious disease outbreaks, in terms of both short- and longer-term impacts. This study aimed to assess the state of the evidence to address HRH surge capacity during COVID-19 and other outbreaks of global significance in the 21st century. Methods We systematically searched eight bibliographic databases to extract primary research articles published between 01/2000-06/2020, capturing temporal changes in HRH requirements and responses surrounding viral respiratory infection pandemics. A systems approach was used, considering providers in hospitals, out-of-hospital systems, emergency medical services, and public health. We narratively synthesized the evidence following the PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-analyses) standard. Results Of the 1,155 retrieved records, 16 studies met our inclusion criteria; of these, 5 focused on COVID-19, 3 on H1N1, and 8 on a hypothetical pandemic. Different training, mobilization, and redeployment options to address pandemic-time health system capacity were assessed. Few governance scenarios drew on observational HRH data allowing for 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. Conclusions This research emphasized the critical need for timely, internationally comparable, and equity-informative HRH data and research to enhance preparedness, response, and recovery policies for this and future pandemics. Full paper is available at: https://doi.org/10.1002/hpm.3137 Key messages The COVID-19 pandemic has highlighted the critical need for enhanced health workforce data and research, including better tracking of demographics, exposures, infections and deaths of health workers. Although women comprise 70% of the health workforce in many countries, gender-blindness persists in the global literature on health workforce research and governance in public health emergencies./bodyt
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 | 0,019 | 0,096 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,011 |
| Bibliométrie | 0,020 | 0,021 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».