Measuring what matters: key indicators for performance and resilience in fragile, low-income contexts. A scoping review
Notice bibliographique
Résumé
BACKGROUND: Measuring and monitoring health system performance and resilience is key for planning and managing resilience-building activities. Recurrent simultaneous shocks, particularly in fragile contexts which are home to nearly one quarter of the world's population, underscore the need for resilient health systems able to provide the needed health care. This scoping review aims to examine how the performance and resilience of the health system have been assessed and measured in fragile, low-income contexts, identify gaps and provide recommendations to improve resilience measurement. METHODS: A scoping review of peer-reviewed literature on health systems' performance or resilience indicators was conducted following PRISMA guidelines. Only studies that were set in countries classified by the OECD as fragile and low-income and that took a whole-of-system approach were included. Of 2175 articles identified 18 met the inclusion criteria. Indicators were classified against the WHO's building blocks and four resilience dimensions, then assessed for comparability, feasibility and relevance to resilience. RESULTS: The studies covered 23 of the 24 countries classified as fragile and low-income by the OECD. A total of 466 indicators were identified. Among the four dimensions of resilience, 39% of the indicators assessed the system's capacity to manage multiple- and cross-scale dynamics and feedback (interdependence), and only 5% of the indicators assessed the capacity to anticipate and cope with shocks (uncertainty). Less than half of the indicators (n = 230) rely on data from routine health information systems or global datasets, those were classified as feasible. In total, 58% of indicators enable comparison across countries and subnational entities (comparable). Of the 218 indicators classified as both feasible to measure and comparable, 61 indicators were identified as relevant for assessing health system resilience and hence categorized as core indicators. CONCLUSIONS: Significant gaps remain in measuring health system resilience. Qualitative indicators lacked standardization, quantitative indicators did not track health system's status over time, and few assessed the capacity to anticipate shocks. Improving resilience measurement in fragile low-income contexts requires a whole-of-system approach, using indicators that assess the health system's capacity to respond to shocks, track performance over time, and provide feedback to guide policy decisions.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Métarecherche Domaine: Évaluation · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | high |
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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».