Notice bibliographique
Résumé
INTRODUCTION: As considered in the rest of this volume, the effects of the IDEFICS intervention on obesity rates were not encouraging. This paper considers how far findings from the IDEFICS study and similar intervention studies are relevant to the policy process and political decision-making. METHODS: The paper offers theoretical and policy-level arguments concerning the evaluation of evidence and its implications for policymaking. The paper is divided into three parts. The first considers problems in the nature and applicability of evidence gained from school- and community-level obesity interventions. The second part considers whether such interventions present a model that policymakers could implement. The third part considers how we should think about policy measures given the limited evidence we can obtain and the many different goals that public policy must take account of. RESULTS: The paper argues that (1) there are clear reasons why we are not obtaining good evidence for effective school- and community-level interventions; (2) public policy is not in a good position to mandate larger-scale, long-term versions of these interventions; and (3) there are serious problems in obtaining 'evidence' for most public policy options, but this should not deter us from pursuing options that tackle systemic problems and have a good likelihood of delivering benefits on several dimensions. CONCLUSIONS: Research on school- and community-level obesity interventions has not produced much evidence that is directly relevant to policymaking. Instead, it shows how difficult it is to affect obesity rates without changing wider social and economic factors. Public policy should focus on these.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».