Policy and planning of prevention in Italy: Results from an appraisal of prevention plans developed by Regions for the period 2010–2012
Notice bibliographique
Résumé
Health policies on disease prevention differ widely between countries. Studies suggest that different countries have much to learn from each other and that significant health gains could be achieved if all countries followed best practice. This paper describes the policy development and planning process relating to prevention activities in Italy, through a critical appraisal of Regional Prevention Plans (RPPs) drafted for the period 2010-2012. The analysis was performed using a specific evaluation tool developed by a Scientific Committee appointed by the Italian Ministry of Health. We appraised nineteen RPPs, comprising a total of 702 projects, most of them in the areas of universal prevention (62.9%) and prevention in high risk groups (27.0%). Italian Regions established prevention activities using an innovative combination of population and high-risk individuals approaches. However, some issues, such as the need to reduce health inequalities, were poorly addressed. The technical drafting of RPPs required some improvement; e.g. the evidence of the effectiveness and cost-effectiveness of the health interventions proposed was seldom reported. There were significant geographical differences across the Regions in the appraisal of RPPs. Our research suggests that continuous assessment of the planning process of prevention may become a very useful tool for monitoring, and ultimately strengthening, public health capacity in the field of prevention. Further research is needed to analyze determinants of regional variation.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 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 ».