Information systems for enhancing multisectoral and multilevel preparedness and response to climate-sensitive infectious diseases in Latin America and the Caribbean: a scoping review
Notice bibliographique
Résumé
Background Climate variability influences the spread of diseases such as dengue, malaria, leishmaniasis and Chagas in the Latin America and the Caribbean (LAC) region, increasing health risks for marginalised groups. Effective information systems are crucial for integrating data and implementing targeted interventions. However, despite efforts such as early warning and response and surveillance systems, gaps remain in data integration and stakeholder engagement. This scoping review focuses on the LAC region, assessing research gaps and exploring the development of information systems that use climate and health data to address climate-sensitive infectious diseases (CSIDs), drawing on frameworks that emphasise co-production, equity and cross-sectoral collaboration. Methods We conducted a scoping review following Joanna Briggs Institute guidelines and Preferred Reporting Items for Systematic review and Meta-Analysis extension for Scoping Reviews. We selected studies on CSIDs in LAC from 2015 to December 2023, focusing on a broad definition of climate–health information systems based on the framework proposed by Shumake et al (2023), which outlines seven principles of good practice for climate-informed health decision-making. We included a variety of study designs and excluded abstracts. Data sources included indexed databases (Scopus, Web of Science, PubMed, Virtual Health Library) and grey literature (regional development banks, preprints). Evidence was screened in Covidence, data on study characteristics and information-system types were extracted and quality was assessed qualitatively. We performed a narrative and thematic synthesis to analyse the extracted information. Results Our scoping review identified Brazil and Mexico as leaders in CSIDs research, with a primary focus on dengue. National or local surveillance systems were central to data collection, but data quality and utilisation challenges remain. Analyses by sex or vulnerable groups were under-represented in studies, highlighting gaps in understanding and the need for inclusive research approaches. Interpretation In contrast with the integrated climate and health-service practices advocated by Shumake et al , our review found limited evidence of co-production strategies in LAC countries, underscoring the importance of collaborative, resilience-building efforts across sectors for future research and policy development.
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 | 0,020 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,018 | 0,018 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».