MétaCan
Menu
Retour à la cohorte
Enregistrement W4287218452 · doi:10.1093/heapol/czac061

Context and priorities for health systems strengthening for pain and disability in low- and middle-income countries: a secondary qualitative study and content analysis of health policies

2022· article· en· W4287218452 sur OpenAlexafffund
Andrew M. Briggs, Joanne M. Jordan, Saurab Sharma, James J. Young, Jason Chua, Helen Foster, Syed Atiqul Haq, Carmen Huckel Schneider, Anil Jain, Manjul Joshipura, Asgar Ali Kalla, Deborah Kopansky-Giles, Lyn March, Felipe José Jandre dos Reis, Katherine Ann Reyes, Enrique R. Soriano, Helen Slater

Notice bibliographique

RevueHealth Policy and Planning · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Disease Management Strategies
Établissements canadiensUniversity of TorontoCanadian Memorial Chiropractic College
Organismes subventionnairesCanadian Memorial Chiropractic CollegeCurtin University of TechnologyMedical University of South Carolina
Mots-clésThematic analysisContext (archaeology)Health policyHealth careMedicineQualitative researchSocial determinants of healthPopulationService delivery frameworkEnvironmental healthEconomic growthPublic healthNursingBusinessService (business)SociologyGeographyMarketing

Résumé

récupéré en direct d'OpenAlex

Musculoskeletal (MSK) health impairments contribute substantially to the pain and disability burden in low- and middle-income countries (LMICs), yet health systems strengthening (HSS) responses are nascent in these settings. We aimed to explore the contemporary context, framed as challenges and opportunities, for improving population-level prevention and management of MSK health in LMICs using secondary qualitative data from a previous study exploring HSS priorities for MSK health globally and (2) to contextualize these findings through a primary analysis of health policies for integrated management of non-communicable diseases (NCDs) in select LMICs. Part 1: 12 transcripts of interviews with LMIC-based key informants (KIs) were inductively analysed. Part 2: systematic content analysis of health policies for integrated care of NCDs where KIs were resident (Argentina, Bangladesh, Brazil, Ethiopia, India, Kenya, Malaysia, Philippines and South Africa). A thematic framework of LMIC-relevant challenges and opportunities was empirically derived and organized around five meta-themes: (1) MSK health is a low priority; (2) social determinants adversely affect MSK health; (3) healthcare system issues de-prioritize MSK health; (4) economic constraints restrict system capacity to direct and mobilize resources to MSK health; and (5) build research capacity. Twelve policy documents were included, describing explicit foci on cardiovascular disease (100%), diabetes (100%), respiratory conditions (100%) and cancer (89%); none explicitly focused on MSK health. Policy strategies were coded into three categories: (1) general principles for people-centred NCD care, (2) service delivery and (3) system strengthening. Four policies described strategies to address MSK health in some way, mostly related to injury care. Priorities and opportunities for HSS for MSK health identified by KIs aligned with broader strategies targeting NCDs identified in the policies. MSK health is not currently prioritized in NCD health policies among selected LMICs. However, opportunities to address the MSK-attributed disability burden exist through integrating MSK-specific HSS initiatives with initiatives targeting NCDs generally and injury and trauma care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,021
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0070,008
Communication savante0,0040,004
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,148
Tête enseignante GPT0,460
Écart entre enseignants0,312 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations38
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth Policy and PlanningMême sujetChronic Disease Management StrategiesTravaux en français237 207