Implementing effective salt reduction programs and policies in low- and middle-income countries: learning from retrospective policy analysis in Argentina, Mongolia, South Africa and Vietnam
Notice bibliographique
Résumé
OBJECTIVE: To understand the factors influencing the implementation of salt reduction interventions in low- and middle-income countries (LMIC). DESIGN: Retrospective policy analysis based on desk reviews of existing reports and semi-structured stakeholder interviews in four countries, using Walt and Gilson's 'Health Policy Triangle' to assess the role of context, content, process and actors on the implementation of salt policy. SETTING: Argentina, Mongolia, South Africa and Vietnam. PARTICIPANTS: Representatives from government, non-government, health, research and food industry organisations with the potential to influence salt reduction programmes. RESULTS: Global targets and regional consultations were viewed as important drivers of salt reduction interventions in Mongolia and Vietnam in contrast to local research and advocacy, and support from international experts, in Argentina and South Africa. All countries had population-level targets and written strategies with multiple interventions to reduce salt consumption. Engaging industry to reduce salt in foods was a priority in all countries: Mongolia and Vietnam were establishing voluntary programs, while Argentina and South Africa opted for legislation on salt levels in foods. Ministries of Health, the WHO and researchers were identified as critical players in all countries. Lack of funding and technical capacity/support, absence of reliable local data and changes in leadership were identified as barriers to effective implementation. No country had a comprehensive approach to surveillance or regulation for labelling, and mixed views were expressed about the potential benefits of low sodium salts. CONCLUSIONS: Effective scale-up of salt reduction programs in LMIC requires: (1) reliable local data about the main sources of salt; (2) collaborative multi-sectoral implementation; (3) stronger government leadership and regulatory processes and (4) adequate resources for implementation and monitoring.
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 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».