Factors Impacting the Uptake of Research into Dietary Sodium Reduction Policies in Five Latin American Countries: A Qualitative Study
Notice bibliographique
Résumé
Diets high in sodium are a risk factor for cardiovascular disease (CVD). Latin American countries (LAC) consume more than double the recommended sodium levels. Research uptake in dietary sodium reduction policies has been inconsistent in LAC, and the factors impacting research uptake are largely unknown. This study aimed to describe the barriers and facilitators to the uptake of research into sodium reduction policies from a funded research consortium with 5 LAC (Argentina, Brazil, Costa Rica, Paraguay, and Peru). A qualitative case study included 5 researchers and 4 Ministry of Health officers from the funded consortium. Dimensions from Trostle’s framework of actors, content, context, and process and relative advantages from the Diffusion of Innovation informed the semi-structured interview guide and analysis. One-on-one interviews were completed from November 2019 to January 2020. The participants validated transcripts, coded, and analyzed using NVivo software. Key barriers to policy advancements included 1) conflicts of interest from the food industry and some government actors; 2) government turnover resulting in policy and personnel changes; 3) a lack of human and financial resources; and 4) and communication gaps among key actors. Key facilitators to policy advancement included: 1) the content and quality of health economic, food supply, and qualitative data; 2) support, technical assistance, and alliances with the government, non-governmental organizations, and international experts; and 3) researchers enhanced skillsets facilitated with communication and dissemination with policymakers. Researchers and policymakers are faced with several barriers and facilitators on research uptake in policies and programs in LAC; these factors should be addressed and leveraged to advance sodium reduction policy development. Future LAC studies can draw from the insights and lessons learned from this case study and apply the results to future efforts on policy nutrition to promote healthy eating and reduce CVD risk.
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 | 0,057 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,011 | 0,011 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».