Setting research priorities for maternal, newborn and child health, sexual and reproductive health and nutrition in Afghanistan: an application of the Child Health and Nutrition Research Initiative methodology
Notice bibliographique
Résumé
BACKGROUND: Since 2021, Afghanistan has faced a worsening humanitarian crisis that disproportionately impacts Afghan women and children. They experience inequities in healthcare access, deterioration of healthcare quality and extreme food insecurity. This study aims to fill an important gap by providing consensus on research priorities for maternal, newborn and child health (MNCH), sexual and reproductive health (SRH) and nutrition in Afghanistan. METHODS: The Child Health and Nutrition Research Initiative (CHNRI) is a widely used research prioritisation methodology that crowdsources input from subject matter experts to generate, score and rank research questions. This study reached out to 303 Afghanistan health researchers, who were identified through relevant publications, to align on the 20 highest priority MNCH, SRH and nutrition research questions. Question generation occurred in 2022, and data collection and analysis were completed by January 2025. RESULTS: questions in MNCH and nutrition topic areas. The top questions ranged from characterising the availability, access and quality of MNCH services, to leveraging locally available interventions for malnutrition and food security, to strategies for increasing immunisation coverage. CONCLUSION: By identifying high-priority research questions, donors, researchers, implementers and governments can align their research agendas and resource allocation to address critical health challenges for women and children in Afghanistan.
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 | 0,010 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».