Vertical dominance: Cost-effectiveness, randomisation, and the bias against horizontal interventions in global health
Notice bibliographique
Résumé
Interventions in global health are frequently divided into two categories: vertical, which address one disease, and horizontal, which tackle multiple health problems through the building of health infrastructure. When identifying interventions to fund, global health practitioners place great weight on cost-effectiveness, which is determined through cost-effectiveness analyses. These analyses frequently draw on data from randomised controlled trials (RCTs), as they are considered the gold standard for determining causality. I argue that the use of RCT data in cost-effectiveness analyses leads to a bias in favour of vertical interventions and against horizontal interventions. This is because it is significantly easier to randomise vertical interventions compared to horizontal ones, so analyses that draw on RCTs will preferentially report on vertical initiatives. This bias contributes to a trend of underfunding horizontal interventions in global health. I argue that this trend is problematic, as horizontal interventions have the potential to be highly cost-effective. Finally, I argue that global health practitioners should find effective ways of evaluating horizontal interventions to ensure their benefits are captured.
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 | 0,332 | 0,588 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,012 |
| Communication savante | 0,007 | 0,011 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,009 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».