MétaCan
Menu
Retour à la cohorte
Enregistrement W4400858430 · doi:10.1016/j.hpopen.2024.100125

Was priority setting considered in COVID-19 response planning? A global comparative analysis

2024· article· en· W4400858430 sur OpenAlexafffund
Claudia Marcela Vélez, Lydia Kapiriri, Susan Dorr Goold, Marion Danis, Iestyn Williams, Bernardo Aguilera, Beverley M. Essue, Élysée Nouvet

Notice bibliographique

RevueHealth Policy OPEN · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueViral Infections and Outbreaks Research
Établissements canadiensWestern UniversitySt. Michael's HospitalCentre for Global Health ResearchMcMaster University
Organismes subventionnairesMcMaster University
Mots-clésPandemicPreparednessCoronavirus disease 2019 (COVID-19)BusinessHealth careEnvironmental planningOperations researchOperations managementMedicineGeographyPolitical scienceEconomic growthEconomicsEngineeringDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Background: The COVID-19 pandemic forced governments across the world to consider how to prioritize resource allocation. Most countries produced pandemic preparedness plans that guide and coordinate healthcare, including how to allocate scarce resources such as ventilators, human resources, and therapeutics. The objective of this study was to compare and contrast the extent to which established parameters for effective priority setting (PS) were incorporated into COVID-19 pandemic response planning in several countries around the world. Methods: We used the Kapriri and Martin framework for effective priority setting and performed a quantitative descriptive analysis to explore whether and how countries' type of health system, political, and economic contexts impacted the inclusion of those parameters in their COVID-19 pandemic plans. We analyzed 86 country plans across six regions of the World Health Organization. Results: The countries sampled represent 40% of nations in AFRO, 54.5% of EMRO, 45% of EURO, 46% of PAHO, 64% of SEARO, and 41% of WPRO. They also represent 39% of all HICs in the world, 39% of Upper-Middle, 54% of Lower-Middle, and 48% of LICs. No pattern in attention to parameters of PS emerged by WHO region or country income levels. The parameters: evidence of political will, stakeholder participation, and use of scientific evidence/ adoption of WHO recommendations were each found in over 80% of plans. We identified a description of a specific PS process in 7% of the plans; explicit criteria for PS in 36.5%; inclusion of publicity strategies in 65%; mention of mechanisms for appealing decisions or implementing procedures to improve internal accountability and reduce corruption in 20%; explicit reference to public values in 15%; and a description of means for enhancing compliance with the decisions in 5%. Conclusion: The findings provide a basis for policymakers to reflect on their prioritization plans and identify areas that need to be strengthened. Overall, there is little consideration for explicit prioritization processes and tools and restricted attention to equity considerations; this may be a starting point for policymakers interested in improving future preparedness and response planning. Although the study focused on the COVID-19 pandemic, priority setting remains one of the policymakers' most prominent challenges. Policymakers should consider integrating systematic priority setting in their routine decision-making processes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,062
score de la tête « metaresearch » (Gemma)0,089
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil0,325

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0620,089
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,011
Études des sciences et des technologies0,0010,003
Communication savante0,0040,006
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,210
Tête enseignante GPT0,600
Écart entre enseignants0,390 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth Policy OPENMême sujetViral Infections and Outbreaks ResearchTravaux en français237 207