MétaCan
Menu
Retour à la cohorte
Enregistrement W4311119965 · doi:10.1136/bmjgh-2022-010408

Estimating Chinese bilateral aid for health: an analysis of AidData’s Global Chinese Official Finance Dataset Version 2.0

2022· article· en· W4311119965 sur OpenAlexaffabout
Kaci Kennedy McDade, Paige Kleidermacher, Gavin Yamey, Wenhui Mao

Notice bibliographique

RevueBMJ Global Health · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInternational Development and Aid
Établissements canadiensImpact
Organismes subventionnairesBill and Melinda Gates Foundation
Mots-clésChinaHealth careBusinessHealth policyDevelopment aidPortfolioFinanceEconomic growthPolitical scienceEconomics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Although it is difficult to quantify, previous estimates suggested that China's global health aid has increased sharply since the early 2000s. Unlike many donors, China has no official aid reporting obligations, nor does it voluntarily disclose detailed aid information. Our study aimed to create a standardised estimate using commonly accepted definitions of aid and frameworks for categorising health projects. METHODS: We categorised AidData's Chinese Official Finance Dataset health-related projects according to health aid frameworks from the Organisation for Economic Co-operation and Development (OECD) and the Institute for Health Metrics and Evaluation (IHME). Only projects that complied with the definition of official development assistance were included. We analysed the project count and financial value to assess China's priority health aid areas. FINDINGS: Between 2000 and 2017, China funded 1339 health-related aid projects, or 13% of its total aid project portfolio. Most of these projects were located in sub-Saharan Africa. According to the OECD framework, the priority focus areas of these projects were: medical services, such as specialty equipment and tertiary services (n=489, 37%); basic health care, such as basic medical services and drugs (n=251, 19%); malaria control (n=234, 18%) and basic health infrastructure (n=178, 13%). Under the IHME framework, health systems strengthening accounted for 74% (n=991) of total projects, primarily due to China's contributions to human resources for health, infrastructure and equipment. The only other major allocation under the IHME framework was malaria (n=234, 18%). When we estimated missing financial values under the OECD framework, China was the fifth largest health aid donor to African countries from 2002 to 2017, after the USA, the UK, Canada and Germany. CONCLUSION: Our findings enable a better understanding of Chinese health aid in the absence of transparent aid reporting, which could contribute to better coordination, collaboration and resource allocation for both donor and recipient countries.

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)0,004
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,329
Score d'incertitude au seuil0,654

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,015
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,454
Écart entre enseignants0,427 · 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'étudeObservationnel
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

Citations9
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMJ Global HealthMême sujetInternational Development and AidTravaux en français237 207