Corruption risks in health procurement during the COVID-19 pandemic and anti-corruption, transparency and accountability (ACTA) mechanisms to reduce these risks: a rapid review
Notice bibliographique
Résumé
BACKGROUND: Health systems are often susceptible to corruption risks. Corruption within health systems has been found to negatively affect the efficacy, safety, and, significantly, equitable distribution of health products. Enforcing effective anti-corruption mechanisms is important to reduce the risks of corruption but requires first an understanding of the ways in which corruption manifests. When there are public health crises, such as the COVID-19 pandemic, corruption risks can increase due to the need for accelerated rates of resource deployment that may result in the bypassing of standard operating procedures. MAIN BODY: A rapid review was conducted to examine factors that increased corruption risks during the COVID-19 pandemic as well as potential anti-corruption, transparency and accountability (ACTA) mechanisms to reduce these risks. A search was conducted including terms related to corruption, COVID-19, and health systems from January 2020 until January 2022. In addition, relevant grey literature websites were hand searched for items. A single reviewer screened the search results removing those that did not meet the inclusion criteria. This reviewer then extracted data relevant to the research objectives from the included articles. 20 academic articles and 17 grey literature pieces were included in this review. Majority of the included articles described cases of substandard and falsified products. Several papers attributed shortages of these products as a major factor for the emergence of falsified versions. Majority of described corruption instances occurred in low- and middle-income countries. The main affected products identified were chloroquine tablets, personal protective equipment, COVID-19 vaccine, and diagnostic tests. Half of the articles were able to offer potential anti-corruption strategies. CONCLUSION: Shortages of health products during the COVID-19 pandemic seemed to be associated with increased corruption risks. We found that low- and middle-income countries are particularly vulnerable to corruption during global emergencies. Lastly, there is a need for additional research on effective anti-corruption mechanisms.
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 | 0,010 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,012 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».