Policy Evaluation Network (PEN): Protocol for systematic literature reviews examining the evidence for impact of policies on physical activity across seven different policy domains
Notice bibliographique
Résumé
Introduction: Over 40 million deaths annually are due to noncommunicable diseases, 15 million of these are premature deaths and physical inactivity contributes an estimated 9% to this figure. Global responses have included the Sustainable Development Goals (SDGs) and the Global Action Plan on Physical Activity (GAPPA). Both point to policy action on physical activity (PA) to address change, yet the impact of policy on PA outcomes is unknown. The protocol described outlines the methodology for systematic literature reviews that will be undertaken by the Policy Evaluation Network (PEN) to address this knowledge gap. Methods: The seven best investments for promotion of population PA identified in the Toronto Charter highlighted seven policy domains (schools, transport, urban design, primary health care systems, public education, community-wide programmes and sport) which will form the basis of these PEN reviews. Seven individual scientific literature searches across six electronic databases will be conducted. Each will use the key concepts of policy, PA, evaluation and a distinct concept for each of the seven policy domains. This will be supplemented with a search of the reference list of included articles. Methodological quality will be assessed and overall effectiveness for each included study will be described according to pre-determined criteria. Conclusions: Each review will provide policy makers with a list of policy statements and corresponding actions which the evidence has determined impact on PA directly or indirectly. By collating the evidence, and demonstrating the depth of the science base which informs these policy recommendations, each review will provide guidance to policymakers to use evidence-based or evidence-informed policies to achieve the 15% relative reduction in physical inactivity as defined by GAPPA. Registration: PROSPERO CRD42020156630 (10/07/2020).
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 | 0,237 | 0,371 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,008 |
| Méta-épidémiologie (sens large) | 0,013 | 0,011 |
| Bibliométrie | 0,019 | 0,024 |
| Études des sciences et des technologies | 0,007 | 0,008 |
| Communication savante | 0,013 | 0,014 |
| Science ouverte | 0,008 | 0,013 |
| Intégrité de la recherche | 0,012 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,193 | 0,037 |
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 ».