Policies and Programs for Prevention and Control of Diabetes in Iran: A Document Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Trend analysis in 2005 to 2011 showed high growth in diabetes prevalence in Iran. Considering the high prevalence of diabetes in the country and likely to increase its prevalence in the future, the analysis of diabetes-related policies and programs is very important and effective in the prevention and control of diabetes. Therefore, the aim of the study was an analysis of policies and programs related to prevention and control of diabetes in Iran in 2014. This study was a policy analysis using deductive thematic content analysis of key documents. The health policy triangle framework was used in the data analysis. PubMed and ScienceDirect databases were searched to find relevant studies and documents. Also, hand searching was conducted among references of the identified studies. MAXQDA 10 software was used to organize and analyze data. The main reasons to take into consideration diabetes in Iran can be World Health Organization (WHO) report in 1989, and high prevalence of diabetes in the country. The major challenges in implementing the diabetes program include difficulty in referral levels of the program, lack of coordination between the private sector and the public sector and the limitations of reporting system in the specialized levels of the program. Besides strengthening referral system, the government should allocate more funds to the program and more importance to the educational programs for the public. Also, Non-Governmental Organizations (NGOs) and the private sector should involve in the formulation and implementation of the prevention and control programs of diabetes in the future.
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.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 découle