Review of Non-Communicable Disease Research Activity in Kuwait: Where is the Evidence for the Best Practice?
Notice bibliographique
Résumé
BACKGROUND: Kuwait, a small country in the Middle East, is now facing rapid development, with non-communicable diseases (NCDs) accounting for the majority of deaths. OBJECTIVES: In this study, we review trends in NCD research productivity in Kuwait and examine to what extent it is aligned with disease burden. METHODS: Systematic mapping of NCD papers produced between January 2000 and December 2013 yielded 893 publications. These were defined according to study design, study focus, and risk factors examined. Research gaps were assessed by examining disparities between literature produced and cause-specific proportional mortality rates (PMR) and disability-adjusted life years (DALYs). FINDINGS: While annual publication rates increased more than two-fold during the study period, many of the study methodologies were descriptive (58%). Only 2.6% were based on high-evidence interventional studies. Cancer, CVD, and diabetes featured in 38.1%, 15.1%, and 9.2% of the publications, respectively. Compared to PMR and DALYs, there was a surplus of cancer research, most of which were laboratory-based studies (27.6%) or of the case-report/case-series study type (26.5%). Smoking was more likely to be addressed in relation to CVD (32.6%) than diabetes (6.1%) or cancer (2.1%). Physical inactivity was mostly examined in its relation to diabetes (14.6%), with negligible representation in the remaining study focus (range 0.3% to 2.2%). CONCLUSION: NCD research production in Kuwait is not aligned with disease burden or health priorities. We recommend a coordinated action between funding agencies, universities, and researchers in Kuwait to guide development of a comprehensive research agenda that is responsive to the country's emerging needs.
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 | 0,016 | 0,006 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».