Capacity and crisis: examining the state-level policy response to COVID-19 in Tamil Nadu, India
Notice bibliographique
Résumé
The capacity of government agencies to develop effective policy responses to external shocks is an important area of focus for health policy processes, as illustrated by the coronavirus (COVID-19) pandemic. However, few empirical studies exploring the subnational capacity of governments and the influence of institutional, organizational and political factors in shaping the policy response to complex emergencies have been conducted. The purpose of this study is to examine the governance capacity to develop and implement a policy response to a major health emergency-COVID-19-in Tamil Nadu, India, and to understand the factors shaping governance capacity during the first and second waves (2020-21). Tamil Nadu offers a useful case for exploring governance capacity due to its long-standing public health institutions and previous experiences with disaster and outbreak response. We utilized three sources of data: (1) a review of key policy documents (n = 164); (2) a review of English-language media articles in the Indian press (n = 336); and (3) in-depth interviews with senior decision makers, technical experts and other stakeholders (n = 10). We present four key findings from this analysis. Firstly, Tamil Nadu's institutional framework enabled state-level governance capacity during an emergency of massive complexity, allowing for flexibility and nimbleness to adapt to evolving dynamics of centralization and decentralization over the course of the pandemic. Secondly, the ability to integrate public health expertise was circumscribed at important phases. Thirdly, while coordination with external experts was utilized extensively, engagement with civil society groups was perceived as limited. Fourthly, the electoral cycle was perceived by some to have constrained governance capacity at a critical point in the pandemic. By analysing the dynamics of state-level capacity in Tamil Nadu during a complex emergency, this study provides important learnings for other contexts globally regarding the drivers shaping capacity to develop and implement policy responses to crises.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».