The impact of COVID-19 on health service utilization in sub-Saharan Africa – a scoping review
Notice bibliographique
Résumé
Abstract Introduction The Coronavirus Disease 2019(COVID-19) pandemic has undoubtedly exposed weaknesses in health systems, especially in sub-Saharan Africa (SSA). Despite comparatively low rates of COVID-19 admissions and recorded deaths in SSA, the pandemic still had a significant impact on health service utilization (HSU). The aim of this scoping review is to synthesize the available evidence on HSU in SSA during the COVID-19 pandemic focusing on changes in HSU generally and amongst particular patient groups studied. Methods The Scoping review was guided by the methodological framework for conducting scoping reviews developed by Arskey and O’Malley. We identified relevant studies through a search of PubMed(MEDLINE), Embase, Scopus and Web of Science. We then provided a general descriptive overview of the extracted data focusing on the types of studies, patient groups and change in HSU. Results We identified 262 studies reporting on HSU in 39 countries in SSA. The median study duration was 364.5[IQR:89 - 730] days. Studies were mainly quantitative 192(73.3%) and retrospective 117(44.7%). The majority were multiple centre studies 163(62.2%), hospital-based 205 (78.2%) and in urban settings 121(46.2%). Median number of participants was 8329[IQR:103-5848] involving 62.7% females. Communicable diseases were the most studied disease category in 92(35.1%) and mainly among out-patients 92(34.2%). Change in HSU was reported in 249(95.0%) of studies with 221(84.4%) of studies reporting a decrease in HSU. The median decrease in HSU was 35.6% [IQR: 19.0-55.8] and median increase was 16.2% [IQR: 9.1-31.9]. HSU was mostly reported among maternal and child health patients 58(22.1%) and people living with Human immunodeficiency virus 32(12.2%). The patient groups with the highest percentage decrease and increase in HSU were cardiovascular diseases 68.0%[IQR:16.7-71.1] and surgical cases 38.3%[IQR 24.0-52.5] respectively. Conclusion HSU was generally reduced during the COVID-19 pandemic among different patient groups in SSA.
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 | 0,016 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,020 | 0,022 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».