MétaCan
Menu
Retour à la cohorte
Enregistrement W4392171746 · doi:10.11604/pamj.2024.47.82.41089

Tackling the non-communicable disease epidemic: a framework for policy action in low- and middle-income countries

2024· article· en· W4392171746 sur OpenAlexaff
Joseph Adu, Mark Fordjour Owusu, Sebastian Gyamfi, Ebenezer Martin‐Yeboah, Benjamin Ansah Dortey

Notice bibliographique

RevuePan African Medical Journal · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Public Health Policies and Epidemiology
Établissements canadiensLawson Health Research InstituteUniversity of WindsorWestern University
Organismes subventionnairesnon disponible
Mots-clésNon-communicable diseaseLow and middle income countriesCommunicable diseaseAction (physics)Low incomeDevelopment economicsDeveloping countryEconomic growthPolitical scienceEnvironmental healthDiseaseMedicineSocioeconomicsEconomicsPublic health

Résumé

récupéré en direct d'OpenAlex

Health policy frameworks for the prevention and control of non-communicable diseases have largely been developed for application in high-income countries. Limited attention has been given to the policy exigencies in lower- and middle-income countries where the impacts of these conditions have been most severe, and further clarification of the policy requirements for effective prevention is needed. This paper presents a policy approach to prevention that, although relevant to high-income countries, recognizes the peculiar situation of low-and middle-income countries. Rather than a narrow emphasis on the implementation of piecemeal interventions, this paper encourages policymakers to utilize a framework of four embedded policy levels, namely health services, risk factors, environmental, and global policies. For a better understanding of the non-communicable disease challenge from a policy standpoint, it is proposed that a policy framework that recognizes responsible health services, addresses key risk factors, tackles underlying health determinants, and implements global non-communicable disease conventions, offers the best leverage for prevention.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,836
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,355
Écart entre enseignants0,317 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePan African Medical JournalMême sujetGlobal Public Health Policies and EpidemiologyTravaux en français237 207