The impacts of donor transitions on health systems in middle-income countries: a scoping review
Notice bibliographique
Résumé
As countries graduate from low-income to middle-income status, many face losses in development assistance for health and must 'transition' to greater domestic funding of their health response. If improperly managed, donor transitions in middle-income countries (MICs) could present significant challenges to global health progress. No prior knowledge synthesis has comprehensively surveyed how donor transitions can affect health systems in MICs. We conducted a scoping review using a structured search strategy across five academic databases and 37 global health donor and think tank websites for literature published between January 1990 and October 2018. We used the World Health Organization health system 'building blocks' framework to thematically synthesize and structure the analysis. Following independent screening, 89 publications out of 11 236 were included for data extraction and synthesis. Most of this evidence examines transitions related to human immunodeficiency virus/Acquired Immune Deficiency Syndrome (AIDS; n = 45, 50%) and immunization programmes (n = 14, 16%), with a focus on donors such as the Global Fund to Fight AIDS, Tuberculosis and Malaria (n = 26, 29%) and Gavi, the Vaccine Alliance (n = 15, 17%). Donor transitions are influenced by the actions of both donors and country governments, with impacts on every component of the health system. Successful transition experiences show that leadership, planning, and pre-transition investments in a country's financial, technical, and logistical capacity are vital to ensuring smooth transition. In the absence of such measures, shortages in financial resources, medical product and supply stock-outs, service disruptions, and shortages in human resources were common, with resulting implications not only for programme continuation, but also for population health. Donor transitions can affect different components of the health system in varying and interconnected ways. More rigorous evaluation of how donor transitions can affect health systems in MICs will create an improved understanding of the risks and opportunities posed by donor exits.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».