A Conceptual Framework for Chronic Disease Prevention Based on Multilevel Approach
Notice bibliographique
Résumé
AIM: The aim of this paper is to present a conceptual framework for the analysis of chronic disease prevention work according to the principles of a multilevel approach to T2DM in Denmark.METHOD: We conducted a review of published papers using PubMed, EMBASE, Web of Science, Google, Google Scholar, NICE Evidence Search, and we extended our search to include grey zone literature. We chose to focus our literature review on the collaboration between the different actors in the health system and the prevention and management of type 2 diabetes. We reviewed abstracts, and our search yielded a final total of 52 papers, of which we retained 18 and eliminated papers which were not related explicitly to the subject.RESULTS: Results showed that prevention and management of type T2DM must address multiple factors at multiple levels (intrapersonal, interpersonal and structural level) and within multiple settings (medical settings, communities/municipalities, regions and government). To analyze chronic disease prevention from a multilevel approach perspective, a conceptual framework was developed, which would guide the analytical process. Interventions should tackle specific risk factors within specific populations and by different actors who need to act in a coordinated manner.CONCLUSION: It is becoming increasingly clear that a multilevel approach is needed to prevent chronic diseases. Working at multiple levels with multiple actors in the health system will hopefully help fight the increasing numbers of chronic diseases.
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 | 0,031 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,013 | 0,009 |
| Études des sciences et des technologies | 0,005 | 0,019 |
| Communication savante | 0,010 | 0,013 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».