The impact of war on Primary Health Care in Ukraine: a cross-sectional survey and qualitative interviews with service providers
Notice bibliographique
Résumé
BACKGROUND: Primary Health Care (PHC) is vital to supporting emergency preparedness and health care resilience. There is limited evidence of the impact of crises on PHC services and financing. We aimed to explore the impact of the full-scale invasion of Ukraine in February 2022 on PHC services in the country. METHODS: We used a mixed-methods approach. Survey data were collected using an online questionnaire sent to a sample (n = 86) of PHC providers in Ukraine in January-February 2023. Fifteen providers were then randomly selected for semi-structured interviews from among those that reported an impact of war and from those areas most affected by conflict. Interviews took place in March 2023. RESULTS: 37% of PHC providers reported being affected by the full-scale invasion. Qualitative data revealed greater impacts at the beginning of the invasion, to which facilities adapted by the time of the survey. The most reported disruptions were electricity cuts (76%) and currency depreciation/price increases (72%). The most reported increased medical need was cardiovascular disease (CVD; 58%) (with qualitative data suggesting an increase in CVD among younger patients) followed by mental illnesses and disorders (55%). 59% of PHC providers reported an increase in remote consultations. Among those facilities that reported a change in revenues, the nature of the change depended on the type of ownership. For example, only 9% of private providers reported increased revenues from humanitarian aid, while 79% (n = 58) of public providers indicated an increase in these sources. CONCLUSION: To continue strengthening Ukraine's PHC system, the benefit package must be aligned with clinical guidelines, particularly for CVD and mental health; increases in remote consultations should be closely monitored for quality; and payment systems must be adjusted to ensure equity of financing regardless of provider ownership. These findings offer insights for strengthening PHC and emergency-preparedness in other contexts.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».