MétaCan
Menu
Retour à la cohorte
Enregistrement W2973217957 · doi:10.1136/bmjgh-2019-001806

Integrated prevention and management of non-communicable diseases, including musculoskeletal health: a systematic policy analysis among OECD countries

2019· article· en· W2973217957 sur OpenAlexafffund
Andrew M. Briggs, Jennifer Persaud, Marie Deverell, Samantha Bunzli, Brigitte Tampin, Yuka Sumi, Olav Amundsen, Elizabeth Houlding, Antonella Cardone, Thora Hugosdottir, Sophia Rogers, M. Pozsgai, Helen Slater

Notice bibliographique

RevueBMJ Global Health · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Public Health Policies and Epidemiology
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNational Health and Medical Research CouncilMedical Research CouncilDepartment of Health, Government of Western AustraliaGovernment of Western AustraliaMitacsCurtin University of TechnologyWorld Health Organization
Mots-clésNon-communicable diseaseEnvironmental healthHealth policyPublic healthMedicinePolitical scienceBusinessNursing

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Development and implementation of appropriate health policy is essential to address the rising global burden of non-communicable diseases (NCDs). The aim of this study was to evaluate existing health policies for integrated prevention/management of NCDs among Member States of the Organisation for Economic Co-operation and Development (OECD). We sought to describe policies' aims and strategies to achieve those aims, and evaluate extent of integration of musculoskeletal conditions as a leading cause of global morbidity. METHODS: Policies submitted by OECD Member States in response to a World Health Organization (WHO) NCD Capacity Survey were extracted from the WHO document clearing-house and analysed following a standard protocol. Policies were eligible for inclusion when they described an integrated approach to prevention/management of NCDs. Internal validity was evaluated using a standard instrument (sum score: 0-14; higher scores indicate better quality). Quantitative data were expressed as frequencies, while text data were content-analysed and meta-synthesised using standardised methods. RESULTS: After removal of duplicates and screening, 44 policies from 30 OECD Member States were included. Three key themes emerged to describe the general aims of included policies: system strengthening approaches; improved service delivery; and better population health. Whereas the policies of most countries covered cancer (83.3%), cardiovascular disease (76.6%), diabetes/endocrine disorders (76.6%), respiratory conditions (63.3%) and mental health conditions (63.3%), only half the countries included musculoskeletal health and pain (50.0%) as explicit foci. General strategies were outlined in 42 (95.5%) policies-all were relevant to musculoskeletal health in 12 policies, some relevant in 27 policies and none relevant in three policies. Three key themes described the strategies: general principles for people-centred NCD prevention/management; enhanced service delivery; and system strengthening approaches. Internal validity sum scores ranged from 0 to 13; mean: 7.6 (95% CI 6.5 to 8.7). CONCLUSION: Relative to other NCDs, musculoskeletal health did not feature as prominently, although many general prevention/management strategies were relevant to musculoskeletal health improvement.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,066
score de la tête « metaresearch » (Gemma)0,094
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,350

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0660,094
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,007
Bibliométrie0,0170,019
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,388
Écart entre enseignants0,364 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations67
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMJ Global HealthMême sujetGlobal Public Health Policies and EpidemiologyTravaux en français237 207