When health data go dark: the importance of the DHS Program and imagining its future
Notice bibliographique
Résumé
BACKGROUND: The suspension and/or termination of many programmes funded through the United States Agency for International Development (USAID) by the new US administration has severe short- and long-term negative impacts on the health of people worldwide. We draw attention to the termination of the Demographic and Health Surveys (DHS) Program, which includes nationally representative surveys of households, DHS, Malaria Indicator Surveys [MIS]) and health facilities (Service Provision Assessments [SPA]) in over 90 low- and middle-income countries. USAID co-funding and provision of technical support for these surveys has been shut down. MAIN BODY: The impact of these disruptions will reverberate across local, regional, national, and global levels and severely impact the ability to understand the levels and changes in population health outcomes and behaviours. We highlight three key impacts on (1) ongoing data collection and data processing activities; (2) future data collection and consequent lack of population-level health indicators; and (3) access to existing data and lack of support for its use. CONCLUSIONS: We call for immediate action on multiple fronts. In the short term, universal access to existing data and survey materials should be restored, and surveys which were planned or in progress should be completed. In the long term, this crisis should serve as a tipping point for transforming these vital surveys. We call on national governments, regional organisations, and international partners to develop sustainable alternatives that preserve the principles (standardised questionnaires, backward compatibility, open access data with rigorous documentation) which made the DHS Program an invaluable global health resource.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».