Using the INDEPTH HDSS to build capacity for chronic non-communicable disease risk factor surveillance in low and middle-income countries
Notice bibliographique
Résumé
BACKGROUND: Chronic non-communicable diseases (NCDs) are the leading cause of morbidity, mortality, and disability worldwide. More than 80% of chronic disease deaths occur in low-income and middle-income countries. Epidemiological data on the burden of chronic NCD and the risk factors which predict them are lacking in most low-income countries. The INDEPTH Network (http://www.indepth-network.org) which includes the Health and Demographic Surveillance System (HDSS) with many surveillance sites in low-middle income countries provided an opportunity to establish surveillance of the major chronic NCD risk factors in 2005 using a standardised approach. OBJECTIVE: This paper presents the conceptual framework and research design of the chronic NCD risk factor surveillance within nine rural INDEPTH HDSS settings in Asia. METHODS: This multi-site study was designed as a baseline cross-sectional survey with sufficient sample size to measure trends over time. In each of nine HDSS sites in five Asian countries, a sample of 2,000 men and women aged 25-64 years, using the WHO STEPwise approach to Surveillance (http://who.int/chp/steps), was selected using stratified random sampling (in each 10-year interval) from the HDSS sampling frame. RESULTS: A total of 18,494 men and women from the nine sites were interviewed with an overall response rate of 98%. The major NCDs risk factors included self-reported information on tobacco and alcohol consumption, fruit and vegetable intake, physical activity patterns, and measured body weight, height, waist circumference, and blood pressure. A series of training sessions were conducted for research scientists, supervisors, and surveyors in each site. Data quality was ensured through spot check, re-check, and data validation procedures, including accuracy and completeness of data obtained. Standardised data entry programme, created using the EPIDATA software, was used to ensure uniform database structure across sites. The data merging and analysis were done using STATA Version 10. CONCLUSION: This multi-site study confirmed the feasibility of conducting chronic NCD risk factor surveillance in the low and middle-income settings by integrating the chronic NCDs risk factor surveillance into an existing HDSS data collection and management setting. This collaborative work has provided reliable epidemiological data as a basis for developing chronic NCD prevention and control activities.
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 | 0,018 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».