Addressing Non-Communicable Diseases in the Western Cape, South Africa
Notice bibliographique
Résumé
Background Chronic non-communicable diseases (CNCDs) are increasing with grave consequences to countries’ development. The purpose of this study was three-fold: (1) to determine challenges PURE study participants faced regarding CNCD interventions and what they required from a CNCD intervention programme, and (2) to explore courses of action Department of Health (DoH) officials thought would perform best, as well as (3) to determine what DoH officials perceive to be obstacles in addressing the CNCD epidemic. Design and methods A subsample of 300 participants from the Prospective Urban and Rural Epidemiological study's Western Cape urban cohort and six key officers from the DoH were recruited to participate in this cross-sectional study. Questionnaires were used in face-to-face interviews with the PURE study participants and DoH officials, together with the multi-criteria mapper (MCM) interviewing method with the latter. Results Most PURE participants were overweight/obese, but not keen to participate in weight loss interventions. They sought education on foods associated with weight gain, shopping lists, cooking lessons and recipes from CNCD intervention programmes. Department of Health officials regarded the integration of health services, community participation, amongst others as the most favourable options to address the CNCD epidemic. Conclusions The integration of health services, community participation, food taxation and improving inter-sectoral partnerships were viewed as the most feasible options to address the CNCD epidemic according to the DoH officials. At community level, the needs for education and practical hints were expressed. Current CNCD interventions should be adapted to include the context-based needs of communities.
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 | 0,035 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».