MétaCan
Menu
Retour à la cohorte
Enregistrement W4399303076 · doi:10.1136/bmjpo-2024-002556

Implementation factors of non-communicable disease policies and programmes for children and youth in low-income and middle-income countries: a systematic review

2024· review· en· W4399303076 sur OpenAlexaff
Gina T Nguyen, Cindy L. Gauvreau, Nabeel Mansuri, Lisa Wight, Bryan Wong, Josh Neposlan, Kadia Petricca, Avram Denburg

Notice bibliographique

RevueBMJ Paediatrics Open · 2024
Typereview
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Public Health Policies and Epidemiology
Établissements canadiensWestern UniversityHospital for Sick ChildrenUniversity of British ColumbiaQueen's UniversityMcMaster UniversityInstitute for Clinical Evaluative SciencesUniversity of TorontoSickKids Foundation
Organismes subventionnairesnon disponible
Mots-clésFacilitatorNon-communicable diseaseMedicineLow and middle income countriesImplementation researchDisease burdenThematic analysisBurden of diseaseService delivery frameworkEnvironmental healthNursingDeveloping countryPsychological interventionPublic healthPolitical scienceQualitative researchEconomic growthBusinessService (business)Population

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Despite declared life-course principles in non-communicable disease (NCD) prevention and management, worldwide focus has been on older rather than younger populations. However, the burden from childhood NCDs has mounted; particularly in low-income and middle-income countries (LMICs). There is limited knowledge regarding the implementation of paediatric NCD policies and programmes in LMICs, despite their disproportionate burden of morbidity and mortality. We aimed to understand the barriers to and facilitators of paediatric NCD policy and programme implementation in LMICs. METHODS: We systematically searched medical databases, Web of Science and WHOLIS for studies on paediatric NCD policy and programme implementation in LMICs. Screening and quality assessment were performed independently by researchers, using consensus to resolve differences. Data extraction was conducted within the WHO health system building-blocks framework. Narrative thematic synthesis was conducted. RESULTS: 93 studies (1992-2020) were included, spanning 86 LMICs. Most were of moderate or high quality. 78% reported on paediatric NCDs outside the four major NCD categories contributing to the adult burden. Across the framework, more barriers than facilitators were identified. The most prevalently reported factors were related to health service delivery, with system fragmentation impeding the continuity of age-specific NCD care. A significant facilitator was intersectoral collaborations between health and education actors to deliver care in trusted community settings. Non-health factors were also important to paediatric NCD policies and programmes, such as community stakeholders, sociocultural support to caregivers and school disruptions. CONCLUSIONS: Multiple barriers prevent the optimal implementation of paediatric NCD policies and programmes in LMIC health systems. The low sociopolitical visibility of paediatric NCDs limits their prioritisation, resulting in fragmented service delivery and constraining the integration of programmes across key sectors impacting children, including health, education and social services. Implementation research is needed to understand specific contextual solutions to improve access to paediatric NCD services in diverse LMIC settings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,073
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,073
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0080,007
Bibliométrie0,0100,013
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,067
Tête enseignante GPT0,410
Écart entre enseignants0,342 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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 revueBMJ Paediatrics OpenMême sujetGlobal Public Health Policies and EpidemiologyTravaux en français237 207