MétaCan
Menu
Retour à la cohorte
Enregistrement W4385812924 · doi:10.1186/s12913-023-09827-4

Examining the roles of partnerships in enhancing the health systems response to COVID-19 in Nigeria

2023· review· en· W4385812924 sur OpenAlexfundno aff
Chioma Onyedinma, Chinyere Okeke, Obinna Onwujekwe

Notice bibliographique

RevueBMC Health Services Research · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueViral Infections and Outbreaks Research
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésHealth informaticsHealth administrationCoronavirus disease 2019 (COVID-19)Nursing researchPublic healthMedicine2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Health services researchEnvironmental healthNursingVirologyOutbreakPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The COVID-19 pandemic overwhelmed the health systems and socio-economic foundations of many countries, Nigeria inclusive. The study was carried out to assess, understand, document and report the activities/measures that are considered nationally and sub-nationally significant, both in terms of COVID-19 responses and in terms of strengthening the health system for the future, in response to future threats since this will not be the last pandemic This paper examines how partnerships contributed to the health system and other sectors' responses to COVID - 19 infection in Nigeria. METHODS: This was a qualitative study. Data was collected using a scoping literature review and key informant interviews with 36 key stakeholders in the COVID-19 response in Nigeria, in Abuja (national level) Lagos and Enugu states (sub-national level). Interviews were recorded and transcribed verbatim. The qualitative data was analysed using thematic analysis. RESULTS: It was found that many partnerships were formed when responding to the COVID-19 pandemic in Nigeria. The health system leaned towards a horizontal dimension of partnership with non-health governmental sectors, non-governmental sectors, and other countries. All the components of the health system building blocks had a measure of partnership contributing to its accomplishments The partnerships came in varied forms, ranging from advocacy, funding, provision of palliatives to the citizens because of lockdowns, technical assistance, support to research, development of guidelines and health educational materials. CONCLUSION: The health sector's collaboration with other sectors strengthened all the building blocks of the health system and was invaluable in enhancing the response to COVID-19, which needed a whole of government and a multi-sectoral approach. Formal frameworks for quickly initiating whole-of-government and multi-sectoral partnerships should be developed, with clear roles and responsibilities. This should be deployed for health system resilience and for response to shocks such as the COVID-19 pandemic.

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)0,016
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0080,005
Communication savante0,0070,007
Science ouverte0,0010,011
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 Opus0,446
Tête enseignante GPT0,566
Écart entre enseignants0,120 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetViral Infections and Outbreaks ResearchTravaux en français237 207