How did COVID-19 impact development assistance for health? – The trend for country-specific disbursement between 2015 and 2020
Notice bibliographique
Résumé
This study aimed to examine the changes that took place between 2015-2019 and 2020 and reveal how the COVID-19 pandemic affected financial contributions from donors. We used the Creditor Reporting System database of the Organization for Economic Cooperation and Development to investigate donor disbursement. Focusing on the Group of Seven (G7) countries and the Bill and Melinda Gates Foundation (BMGF), we analyzed their development assistance for health (DAH) in 2020 and the change in their disbursement between 2015 and 2020. As a result, total disbursements for all sectors increased by 14% for the G7 and the BMGF. In 2020, there was an increase in DAH for the BMGF and the G7 except for the United States. The total disbursement amount for the "COVID-19" category by G7 countries and the BMGF was approximately USD 3 billion in 2020, which was 3 times larger than for Malaria, 8.5 times larger for Tuberculosis, and 60% smaller for STDs including HIV/AIDS for the same year. In 2020 as well, the United States, the United Kingdom, Japan, Italy, and Canada saw their disbursements decline for more than half of 26 sectors. In conclusion, the impact of COVID-19 was observed in the changes in DAH disbursement for three major infectious diseases and other sectors. To consistently address the health needs of low- and middle-income countries, it is important to perform a follow-up analysis of their COVID-19 disbursements and the influence of other DAH areas.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».