The Intersections of COVID-19 Global Health Governance and Population Health Priorities: Equity-Related Lessons Learned From Canada and Selected G20 Countries
Notice bibliographique
Résumé
Background: COVID-19-related global health governance (GHG) processes and public health measures taken influenced population health priorities worldwide. We investigated the intersection between COVID-19-related GHG and how it redefined population health priorities in Canada and other G20 countries. We analysed a Canada-related multilevel qualitative study and a scoping review of selected G20 countries. Findings show the importance of linking equity considerations to funding and accountability when responding to COVID-19. Nationalism and limited coordination among governance actors contributed to fragmented COVID-19 public health responses. COVID-19-related consequences were not systematically negative, but when they were, they affected more population groups living and working in conditions of vulnerability and marginalisation. Policy options and recommendations: Six policy options are proposed addressing upstream determinants of health, such as providing sufficient funding for equitable and accountable global and public health outcomes and implementing gender-focused policies to reduce COVID-19 response-related inequities and negative consequences downstream. Specific programmatic (e.g., assessing the needs of the community early) and research recommendations are also suggested to redress identified gaps. Conclusion: Despite the consequences of the COVID-19 pandemic, programmatic and research opportunities along with concrete policy options must be mobilised and implemented without further delay. We collectively share the duty to act upon global health justice.
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 | 0,007 | 0,004 |
| 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 | 0,001 |
| 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 ».