First Africa non-communicable disease research conference 2017: sharing evidence and identifying research priorities
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
Non-communicable diseases (NCDs) prevalence is rising fastest in lower income settings, and with more devastating outcomes compared to High Income Countries (HICs). While evidence is consistent on the growing health and economic consequences of NCDs in sub-Saharan Africa (SSA), specific efforts aimed at addressing NCD prevention and control remain less than optimum and country level progress of implementing evidence backed cost-effective NCD prevention approaches such as tobacco taxation and restrictions on marketing of unhealthy food and drinks is slow. Similarly, increasing interest to employ multi-sectoral approaches (MSA) in NCD prevention and policy is impeded by scarce knowledge on the mechanisms of MSA application in NCD prevention, their coordination, and potential successes in SSA. In recognition of the above gaps in NCD programming and interventions in Africa, the East Africa NCD alliance (EANCDA) in partnership with the African Population and Health Research Center (APHRC) organized a three-day NCDs conference in Nairobi. The conference entitled "First Africa Non-Communicable Disease Research Conference 2017: Sharing Evidence and Identifying Research Priorities" drew more than one hundred fifty participants and researchers from several institutions in Kenya, South Africa, Nigeria, Cameroon, Uganda, Tanzania, Rwanda, Burundi, Malawi, Belgium, USA and Canada. The sections that follow provide detailed overview of the conference, its objectives, a summary of the proceedings and recommendations on the African NCD research agenda to address NCD prevention efforts in Africa.
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 | 0,019 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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