Examining the role of community health workers amid extreme weather events in low- and middle-income countries: a scoping review
Notice bibliographique
Résumé
OBJECTIVES: The increased frequency and severity of extreme weather events (EWEs) have underscored the need to strengthen climate-resilient health systems and capacity. Community health workers (CHWs) are integral health systems actors with the potential to protect and improve population health in a changing climate. The aim of this review was to synthesize the literature on the roles of CHWs amid EWEs in low- and middle-income countries, the barriers and facilitators to implement these roles, and program supports to strengthen CHW capacity and health system functions. STUDY DESIGN: Scoping review. METHODS: Four academic databases and gray literature published between January 2000 and June 2023 were searched. Data were thematically analyzed using a deductive-inductive approach guided by the World Health Organization's (WHO's) Operational framework for building climate-resilient health systems. RESULTS: Thirty sources were included. Amid EWEs, CHW roles included: 1) delivery of diagnostic, treatment, and other clinical services; 2) support with access, utilization, or navigation of health services and/or referrals; 3) community education and health promotion; 4) data collection and health surveillance; 5) psychosocial supports; and 6) weather-related health emergency response. Facilitators and barriers to the provision of CHW supports amid EWEs were categorized within WHO's building blocks of health systems. Considerations for strengthening CHW programs to enhance climate-resilient health systems are also discussed. CONCLUSIONS: CHWs are uniquely positioned to provide health-related supports amid EWEs that extend to emergency preparedness and response to climate-health challenges. These efforts can contribute to the community and health systems resilience to climate change.
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 | 0,011 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».