An Analysis of Health Policies Designed to Control and Prevent Diabetes in Saudi Arabia
Notice bibliographique
Résumé
<p>A trend analysis of the prevalence of diabetes in Saudi Arabia revealed a steep increase in diagnosis rates for the disease between the years 1989 and 2009. Between these years, the percentage of the population suffering from diabetes rose from 10.6% to 32.1% of the adult population, and the diagnosis rate is likely to increase in the future. The controlling and prevention of diabetes in the future, therefore, would potentially benefit from a scholarly review of current policies and programmes designed to contain the disease. The current study examines such policies and programmes, specifically those existing in Saudi Arabia and which are currently in operation in 2016. It employs the thematic-content-analysis technique to review key literature, and also uses Walt and Gibson’s policy triangle framework to facilitate the analysis. Searches of PubMed and Medline databases were conducted to locate sources and sources were manually screened by the authors before inclusion in the study. The study concludes that prime obstacles to the successful implementation of diabetes programmes are: insufficient training of practitioners for the treatment of diabetes; lack of remuneration for the work of diabetes educators and no existing evaluation of their outputs; and a lack of training and appropriate modes of qualifying professionally for diabetes educators. The authors recommend that the Saudi government award a greater proportion of resources to programmes designed to treat diabetes sufferers, as well as educational programmes related to disease for the wider public.</p>
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».