Four challenges that clobal health networks face
Notice bibliographique
Résumé
Global health networks, webs of individuals and organizations with a shared concern for a particular condition, have proliferated over the past quarter century. They differ in their effectiveness, a factor that may help explain why resource allocations vary across health conditions and do not correspond closely with disease burden. Drawing on findings from recently concluded studies of eight global health networks—addressing alcohol harm, early childhood development (ECD), maternal mortality, neonatal mortality, pneumonia, surgically-treatable conditions, tobacco use, and tuberculosis—I identify four challenges that networks face in generating attention and resources for the conditions that concern them. The first is problem definition: generating consensus on what the problem is and how it should be addressed. The second is positioning: portraying the issue in ways that inspire external audiences to act. The third is coalition-building: forging alliances with these external actors, particularly ones outside the health sector. The fourth is governance: establishing institutions to facilitate collective action. Research indicates that global health networks that effectively tackle these challenges are more likely to garner support to address the conditions that concern them. In addition to the effectiveness of networks, I also consider their legitimacy, identifying reasons both to affirm and to question their right to exert power.
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 | 0,038 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,022 | 0,040 |
| Communication savante | 0,033 | 0,036 |
| Science ouverte | 0,003 | 0,024 |
| Intégrité de la recherche | 0,012 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 ».