The impact of community-based non-pharmacological interventions on cardiovascular and kidney disease outcomes in remote dwelling Indigenous communities: A scoping review protocol
Notice bibliographique
Résumé
INTRODUCTION: Indigenous people represent approximately 5% of the world's population. However, they often have a disproportionately higher burden of cardiovascular disease (CVD) risk and chronic kidney disease (CKD) than their equivalent general population. Several non-pharmacological interventions (e.g., educational) have been used to reduce CVD and kidney disease risk factors in Indigenous groups. The aim of this paper is to describe the protocol for a scoping review that will assess the impact of non-pharmacological interventions carried out in Indigenous and remote dwelling populations to reduce CVD risk factors and CKD. MATERIALS AND METHODS: This scoping review will be guided by the methodological framework for conducting scoping studies developed by Arksey and O'Malley. Both empirical (Medline, Embase, Cochrane Library, CINAHL, ISI Web of Science and PsycINFO) and grey literature references will be assessed if they focused on interventions targeted at reducing CVD or CKD among Indigenous groups. Two reviewers will independently screen references in consecutive stages of title/abstract screening and then full-text screening. Impact of interventions used will be assessed using the reach, effectiveness, adoption, implementation, maintenance (RE-AIM) framework. A descriptive overview, tabular summaries, and content analysis will be carried out on the extracted data. ETHICS AND DISSEMINATION: This review will collect and analyse evidence on the impact of interventions of research carried out to reduce CVD and CKD among Indigenous populations. Such evidence will be disseminated using traditional approaches that includes open-access peer-reviewed publication, scientific presentations, and a report. Also, we will disseminate our findings to the government and Indigenous leaders. Ethical approval will not be required for this scoping review as the data used will be extracted from already published studies with publicly accessible data.
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 | 0,129 | 0,107 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,006 |
| Méta-épidémiologie (sens large) | 0,015 | 0,016 |
| Bibliométrie | 0,017 | 0,014 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,008 | 0,008 |
| Intégrité de la recherche | 0,013 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,056 | 0,012 |
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 ».