Local governance in the COVID-19 response: Challenges, strategies, and lessons – a multinational integrative review
Notice bibliographique
Résumé
This integrative review aims to examine the role of local governance in addressing the COVID-19 pandemic across diverse countries. Based on 39 scientific articles published between 2020 and April 2025 in the following databases: PubMed, Web of Science, Scopus, Science Direct, and Google Scholar. Findings reveal that the effectiveness of public health crisis responses was intrinsically linked to local governments’ adaptive capacity, intergovernmental coordination, and social participation. Six key thematic categories were identified: (i) adaptive capacity and resilience; (ii) coordination structures; (iii) enabling factors (resources, leadership); (iv) structural challenges (fragmentation, underfunding); (v) social participation; and (vi) contextual variations. Countries such as China, South Korea, and Bangladesh demonstrated effective local-community articulation, whereas Brazil, Sweden, and Zimbabwe faced limitations due to centralization and federative weaknesses. The study concludes that decision-making autonomy, adequate funding, and multi-level cooperation are critical for effective responses to health crises. It recommends strengthening local institutional arrangements for future emergencies. As one of the pioneering multinational comparative analyses of local governance during COVID-19, this review provides an analytical framework applicable to future health crises, offering practical insights for designing resilient decentralized governance systems.
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 | 0,011 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».