Setting health systems research priorities for Afghanistan: an application of the child health and nutrition research initiative (CHNRI) methodology to set a roadmap to 2030
Notice bibliographique
Résumé
INTRODUCTION: Afghanistan's health system has faced considerable challenges since the Taliban takeover in 2021, leaving the population vulnerable to an increased risk of morbidity and mortality. Research to illuminate the current functioning of the health system and approaches for strengthening its key components is critically needed to address imminent and evolving health needs of the Afghan people. METHODS: approach has yet to be developed. Using the Child Health and Nutrition Research Initiative methodology, this study identifies the top 20 health systems' research priorities among experienced Afghanistan health researchers. Priorities were also considered when disaggregating data by subgroups, such as Afghan versus non-Afghan respondents and those from low- and middle-income versus high-income settings. RESULTS: A total of 303 researchers were invited to score the research questions; 86 responded to the scoring survey and 55 completed it (60% were of Afghan origin). The highest priority questions were relatively diverse in terms of topic area, with questions spanning system-level factors, healthcare quality, community-based healthcare, improvements in the pharmaceutical sector, epidemiological trends, health management information systems and surveillance, access to care and approaches to improving service delivery in Afghanistan, among many others. 'Delivery'-focused and 'development'-focused questions were prioritised, demonstrating that participants assigned greater importance to more practical research questions that would explore features of and approaches to improving existing health system structures within the current Afghan context. Results were consistent across subgroups. CONCLUSION: This research prioritisation exercise fills a gap by generating consensus and establishing a research agenda for strengthening Afghanistan's health system.
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 | 0,131 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,011 | 0,011 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,004 | 0,012 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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; 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 ».