Prevention and control of noncommunicable diseases through evidence-based public health: implementing the NCD 2020 action plan
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
The control of noncommunicable diseases (NCDs) was addressed by the declaration of the 66th United Nations (UN) General Assembly followed by the World Health Organization's (WHO) NCD 2020 action plan. There is a clear need to better apply evidence in public health settings to tackle both behaviour-related factors and the underlying social and economic conditions. This article describes concepts of evidence-based public health (EBPH) and outlines a set of actions that are essential for successful global NCD prevention. The authors describe the importance of knowledge translation with the goal of increasing the effectiveness of public health services, relying on both quantitative and qualitative evidence. In particular, the role of capacity building is highlighted because it is fundamental to progress in controlling NCDs. Important challenges for capacity building include the need to bridge diverse disciplines, build the evidence base across countries and the lack of formal training in public health sciences. As brief case examples, several successful capacity-building efforts are highlighted to address challenges and further evidence-based decision making. The need for a more comprehensive public health approach, addressing social, environmental and cultural conditions, has led to government-wide and society-wide strategies that are now on the agenda due to efforts such as the WHO's NCD 2020 action plan and Health 2020: the European Policy for Health and Wellbeing. These efforts need research to generate evidence in new areas (e.g. equity and sustainability), training to build public health capacity and a continuous process of improvement and knowledge generation and translation.
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 | 0,005 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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