One billion more people benefiting from universal health coverage: where is early childhood caries prevention in the African vision?
Notice bibliographique
Résumé
Early childhood caries (ECC) is one of the most common and preventable childhood conditions, yet it remains systematically excluded from Africa’s Universal Health Coverage (UHC) agenda. This study identified the systemic barriers to embedding equitable and cost-effective ECC prevention into the continent’s UHC agenda and proposed an actionable, multi-level framework to overcome these barriers. We conducted a critical review, guided by a conceptual framework integrating the Tanahashi coverage framework, the Socio-Ecological Model, and the UHC principles. The review synthesized evidence from searches of PubMed, Scopus, Web of Science, AJOL, and grey literature. We compared the ECC surveillance capacity of Africa and the World by quantifying data availability. We also developed an implementation framework to facilitate the integration of ECC prevention in UHC. A surveillance gap renders ECC invisible to African health systems, with only 9.3% of countries having any prevalence data for children under 36 months, compared to 33.1% globally. However, feasible integration pathways exist through multi-sectoral collaboration, with platforms like the maternal and child health offering a scalable entry point for task-shifted interventions that can reduce the risk for ECC. Integrating ECC prevention into UHC requires a multi-pronged strategy: generating epidemiologic and local cost-effectiveness evidence, harnessing digital health innovations, embedding prevention within early childhood development programs, and conducting implementation research to secure political commitment for sustainable inclusion in UHC frameworks. This review establishes that integrating ECC prevention into Africa’s UHC is an essential yet overlooked opportunity. To bridge this gap, policymakers must prioritize making ECC visible by embedding indicators into national health surveys and surveillance systems and integrating preventive care into child health-focused platforms. In addition, researchers must build a local evidence base with cost-effectiveness and implementation data.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».