Exploring Grassroots Indicators for Pandemic Prevention, Preparedness, and Response: A Systematic Narrative Review
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic has revealed how conventional top-down, expert-driven indicators often fail to align with local community realities, marginalising their perspectives, concerns, knowledge, and narratives. However, the limitations of pandemic-related and global health security indicators are not unique but reflect recurring patterns across major social metrics. In response, an alternative paradigm advocates for grassroots-inclusive approaches to developing indicators. Our objective is to assess how and why grassroots-inclusive approaches complement top-down approaches to developing indicators, and to synthesise their theoretical and practical contributions to public health. METHODS: We conducted a scoping review in accordance with the Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping Reviews (PRISMA-ScR) guidelines. We systematically searched six databases (MEDLINE, Embase, CINAHL, Web of Science, Scopus, and PsycINFO), as well as Google Scholar, to identify relevant articles published from their inception to September 1, 2024. We included peer-reviewed articles, opinion pieces, and book chapters, narratively synthesising their findings. RESULTS: This review included 43 studies from various disciplines. Across these studies, communities co-produced indicators through participatory workshops, interviews, and consensus exercises in areas such as environmental sustainability, disaster resilience, public health, well-being, and local development. The reported strengths included greater local relevance, community ownership, and accountability, alongside challenges in sustaining participation, integrating into top-down systems, and addressing data gaps. Notably, no study applied grassroots-inclusive indicators to health security or pandemic preparedness. CONCLUSION: Despite retrieving and analysing articles from various disciplines, no study has specifically applied grassroots-inclusive indicators to health security or pandemic preparedness. However, the evidence clearly shows that it is both feasible and practical to integrate expert and non-expert perspectives when developing indicators.
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 | 0,048 | 0,152 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,021 | 0,019 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,006 | 0,010 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».