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
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 social factors such as gender inequalities. Currently, critical evidence gaps, along with inadequate institutional and governance mechanisms, hinder African states' ability to prevent, detect and respond to CSIDs. Effective responses require transparent and evidence-based decision-making processes, supported by fit-for-purpose data systems and robust economic analyses. The aim of this study was to explore the role of data systems and economics in priority setting for CSID pandemic preparedness in sub-Saharan Africa. We conducted a rapid scoping review following PRISMA-ScR guidelines. A literature search was performed across six bibliographic databases in November 2023. A list of 14 target CSIDs was produced, informed by the World Health Organization's Public Health Emergencies of International Concern and R&D Blueprint Pathogen lists, and a database of CSIDs. Studies were included if published between 2010 and 2023, were relevant to sub-Saharan Africa, pandemic preparedness, and a target CSID, and applied or assessed economic evaluations or data systems. Extracted data were synthesised using bibliometric analysis, topic categorisation, and a narrative synthesis including the application of a gender lens. We identified 68 relevant studies. Data system studies (n = 50) showed broad coverage across target CSIDs and the WHO AFRO region but also a high degree of heterogeneity, which may indicate a lack of clearly defined standards or research priorities. Economic studies (n = 18) primarily focused on COVID-19 or Ebola and mostly originated from South Africa. Both data system and economic studies identified limited interoperability across sectors and showed a notable absence of gendered considerations. These gaps present important opportunities to strengthen priority setting during pandemics and may contribute to improved and 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 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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».