Mapping health service coverage inequalities in Africa: a scoping review protocol
Notice bibliographique
Résumé
INTRODUCTION: Addressing inequities in health service coverage is a global priority, especially with the resurgence of interest in universal health coverage. However, in Africa, which has the lowest health service coverage index, there is limited information on the progress of countries in addressing inequalities related to health services. Thus, we seek to map the evidence on inequalities in health service coverage in Africa. METHODS AND ANALYSIS: We will conduct a scoping review following the Joanna Briggs Institute Manual for Evidence Synthesis. We preregistered this protocol with the Open Science Framework on 26 July 2022 (https://osf.io/zd5bt). We will consider any empirical research that assesses inequalities in relation to services for reproductive, maternal, newborn and child health (eg, family planning), infectious diseases (eg, tuberculosis treatment) and non-communicable diseases (eg, cervical cancer screening) in Africa. We will search MEDLINE, Embase, Web of Science, CINAHL, PsycINFO and Cochrane Library from their inception onwards. We will also hand-search Google and Global Index Medicus, and screen reference lists of relevant studies. We will evaluate studies for eligibility and extract data from included studies using pre-piloted and standardised forms. We will further extract a core set of health service coverage indicators, which are disaggregated by place of residence, race/ethnicity/culture, occupation, gender, religion, education, socioeconomic status and social capital plus equity stratifiers. We will summarise data using a narrative approach involving thematic syntheses and descriptive statistics. We will report our findings according to the Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping Reviews checklist. ETHICS AND DISSEMINATION: Ethical approval is not required as primary data will not be collected. This work will contribute to identifying knowledge gaps in the evidence of inequalities in health service coverage in Africa, and propose strategies that could help overcome current challenges. We will disseminate our findings to knowledge users through a publication in a peer-reviewed journal and organisation of workshops.
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 | 0,127 | 0,136 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,007 |
| Méta-épidémiologie (sens large) | 0,014 | 0,014 |
| Bibliométrie | 0,023 | 0,022 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,011 | 0,011 |
| Science ouverte | 0,008 | 0,010 |
| Intégrité de la recherche | 0,011 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,124 | 0,028 |
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 ».