110:oral Profile of priority setting incorporated to COVID-19 response plans in 86 countries in the world
Notice bibliographique
Résumé
Background The COVID-19 pandemic has imposed a burden on all health systems budgets and pushed policymakers to rapidly set priorities for resource allocation. This study aimed to identify quality parameters of priority setting (PS) incorporated in a sample of the national response plans. Methods We reviewed a sample of COVID-19 national response plans from 86 countries across six regions of the WHO to assess the degree to which they included twenty quality indicators of effective PS. A quantitative descriptive analysis was used to explore the profile of PS according to independent variables. Results The countries sampled represent 40% of countries in AFRO, 54,5% of EMRO, 45% of EURO, 46% of PAHO, 64% of SEARO, and 41% of WPRO. They also represent 39% of all HICs in the world, 39% of Upper-Middle, 54% of Lower-Middle, and 48% of LICs. No pattern in attention to PS quality indicators emerged by WHO region or country income levels. As per the quality PS parameters, evidence of political will, stakeholder participation, use of scientific evidence/adoption of WHO recommendations were each found in over 80% of plans. Regarding the frequency of other parameters we found, description of a specific PS process (7%); explicit criteria for PS (36,5%); inclusion of publicity strategies (65%), mention of mechanisms for enforcing decisions, either for appealing decisions or implementing strategies to improve internal accountability and reduce corruption (20%); explicit reference to public values (15%); description of means for enhancing compliance with the decisions (5%). Conclusion We found some emphasis on PS according to contextual factors. For instance, LMICs receiving international donations presented more detailed descriptions of resources required, plans for allocating resources and improving internal accountability. HICs more likely described stakeholder participation, mechanisms for public communication, and explicit PS processes. However, no country included all twenty parameters of PS.
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 | 0,018 | 0,079 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».