Framing international trade and chronic disease
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
There is an emerging evidence base that global trade is linked with the rise of chronic disease in many low and middle-income countries (LMICs). This linkage is associated, in part, with the global diffusion of unhealthy lifestyles and health damaging products posing a particular challenge to countries still facing high burdens of communicable disease. We developed a generic framework which depicts the determinants and pathways connecting global trade with chronic disease. We then applied this framework to three key risk factors for chronic disease: unhealthy diets, alcohol, and tobacco. This led to specific 'product pathways', which can be further refined and used by health policy-makers to engage with their country's trade policy-makers around health impacts of ongoing trade treaty negotiations, and by researchers to continue refining an evidence base on how global trade is affecting patterns of chronic disease. The prevention and treatment of chronic diseases is now rising on global policy agendas, highlighted by the UN Summit on Noncommunicable Diseases (September 2011). Briefs and declarations leading up to this Summit reference the role of globalization and trade in the spread of risk factors for these diseases, but emphasis is placed on interventions to change health behaviours and on voluntary corporate responsibility. The findings summarized in this article imply the need for a more concerted approach to regulate trade-related risk factors and thus more engagement between health and trade policy sectors within and between nations. An explicit recognition of the role of trade policies in the spread of noncommunicable disease risk factors should be a minimum outcome of the September 2011 Summit, with a commitment to ensure that future trade treaties do not increase such risks.
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 | 0,000 | 0,000 |
| 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 découle