Implementation of a Surveillance and Monitoring System for Chronic Disease: A Scoping Review
Notice bibliographique
Résumé
Background: Numerous national-based indicators aid in designing population-centered chronic disease surveillance. However, there is little consensus on the key indicators and goals for developing a chronic disease surveillance analysis system. Objective: This study aimed to develop evidence-based indicators to measure and improve the health outcomes of chronic disease surveillance systems in Korea. Methods: A scoping review was focused on peer-reviewed literature from 2012 to 2022 using PubMed, Medline, Embase, PsychINFO, CINHAL, Wiley Online, Scopus, and Cochrane Library. Three reviewers evaluated and selected the articles in accordance with comprehensive inclusion and exclusion criteria. Data were synthesized using median descriptive analysis, prioritization, and agreement. There was a consensus meeting to discuss the recommendations, and the findings were analyzed thematically and descriptively. Results: Forty-eight articles were finalized and most of them were published in 2019 (18.8%). The studies on chronic disease-based surveillance systems and related data sources were conducted primarily in Canada (58.3%). The findings were prioritized by prevalence rate, risk factors, data linkage, complex disease, and updated indicators in a current system. The key themes of focus were mortality, survival management, diagnosis, treatment, and healthcare systems. Conclusion : Our preliminary measurement methods need validation through follow-up projects. Chronic disease surveillance will improve public health resource allocation and monitoring in real time. Public health and healthcare systems could be enhanced through timely assessments of population health at the local and regional levels. In Korea, experts will validate the chronic disease-based surveillance system’s development.
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 | 0,077 | 0,188 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,028 | 0,029 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».