Gaps and Opportunities for Data Systems and Economics to Support Priority Setting for Climate-Sensitive Infectious Diseases in Sub-Saharan Africa: A Rapid Scoping Review
Notice bibliographique
Résumé
Abstract Climate change alters risks associated with climate-sensitive infectious diseases (CSIDs) with pandemic potential. This poses additional threats to already vulnerable populations, further amplified by intersecting social factors, such as gender and socioeconomic status. Currently, critical evidence gaps and inadequate institutional and governance mechanisms impact on the ability for African States to prevent, detect and respond to CSIDs. The aim of this study was to explore the role of data systems and economics to support priority setting for CSID preparedness in sub-Saharan Africa. We conducted a rapid scoping review to identify existing knowledge and gaps relevant to economics and data systems. A literature search was performed across six bibliographic databases in November 2023. A list of 14 target pathogens, identified by the World Health Organization as Public Health Emergencies of International Concern or R&D Blueprint Pathogens, was adopted and compared to a database of CSIDs to determine relevant inclusion criteria. Extracted data were synthesised using bibliometric analysis, thematic topic categorisation, and narrative synthesis to identify research needs, evidence gaps, and opportunities for priority setting. We identified 68 relevant studies. While African author involvement has been increasing since 2010, few studies were led by senior authors from African institutions. Data system studies (n = 50) showed broad coverage across CSIDs and the WHO AFRO region but also a high degree of heterogeneity, indicating a lack of clearly defined standards for data systems related to pandemic preparedness. Economic studies (n = 18) primarily focused on COVID-19 and Ebola and mostly originated from South Africa. Both data system and economic studies identified limited data sharing across sectors and showed a notable absence of gender sensitivity analyses. These significant gaps highlight important opportunities to support priority setting and decision-making for pandemic preparedness, ultimately leading to more equitable health outcomes.
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 | 0,066 | 0,235 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,038 | 0,034 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,012 | 0,016 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,005 |
| 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 ».