The state of integrated disease surveillance in seven countries: a synthesis report
Notice bibliographique
Résumé
OBJECTIVES: Integrated disease surveillance (IDS) offers the potential for better use of surveillance data to guide responses to public health threats. However, the extent of IDS implementation worldwide is unknown. This study sought to understand how IDS is operationalized, identify implementation challenges and barriers, and identify opportunities for development. STUDY DESIGN: Synthesis of qualitative studies undertaken in seven countries. METHODS: Thirty-four focus group discussions and 48 key informant interviews were undertaken in Pakistan, Mozambique, Malawi, Uganda, Sweden, Canada, and England, with data collection led by the respective national public health institutes. Data were thematically analysed using a conceptual framework that covered governance, system and structure, core functions, finance and resourcing requirements. Emerging themes were then synthesised across countries for comparisons. RESULTS: None of the countries studied had fully integrated surveillance systems. Surveillance was often fragmented, and the conceptualization of integration varied. Barriers and facilitators identified included: 1) the need for clarity of purpose to guide integration activities; 2) challenges arising from unclear or shared ownership; 3) incompatibility of existing IT systems and surveillance infrastructure; 4) workforce and skills requirements; 5) legal environment to facilitate data sharing between agencies; and 6) resourcing to drive integration. In countries dependent on external funding, the focus on single diseases limited integration and created parallel systems. CONCLUSIONS: A plurality of surveillance systems exists globally with varying levels of maturity. While development of an international framework and standards are urgently needed to guide integration efforts, these must be tailored to country contexts and guided by their overarching purpose.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».