Exploring ways to respond to rising obesity and diabetes in the Caribbean using a system dynamics model
Notice bibliographique
Résumé
Diabetes and obesity present a high and increasing burden of disease in the Caribbean that have failed to respond to prevention policies and interventions. These conditions are the result of a complex system of drivers and determinants that can make it difficult to predict the impact of interventions. In partnership with stakeholders, we developed a system dynamics simulation model to map the system driving diabetes and obesity prevalence in the Caribbean using Jamaica as a test case. The study aims to use the model to assess the magnitude changes necessary in physical activity and dietary intake to achieve global targets set by the WHO Global Action plan and to test scenarios for interventions to reduce the burden of diabetes and obesity. Continuing current trends in diet, physical activity, and demographics, the model predicts diabetes in Jamaican adults (20+ years) to rise from 12% in 2018 to 15.4% in 2030 and 20.9% by 2050. For obesity, it predicts prevalence to rise from 28.6% in 2018 to 32.1% by 2030 and 39.2% by 2050. The magnitude change necessary to achieve the global targets set by the World Health Organization is so great as to be unachievable. However, a combination of measures both upstream (including reducing the consumption of sugar sweetened beverages and ultra processed foods, increasing fruit and vegetable intake, and increasing moderate-to-vigorous activity) at the population level, and downstream (targeting people at high risk and with diabetes) can significantly reduce the future burden of diabetes and obesity in the region. No single intervention reduces the prevalence of these conditions as much as a combination of interventions. Thus, the findings of this model strongly support adopting a sustained and coordinated approach across various sectors to synergistically maximise the benefits of interventions.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».