A comparative systematic review of risk factors, prevalence, and challenges contributing to non-communicable diseases in South Asia, Africa, and Caribbeans
Notice bibliographique
Résumé
BACKGROUND: Non-communicable diseases (NCDs) are a global epidemic challenging global public health authorities while imposing a heavy burden on healthcare systems and economies. AIM: To explore and compare the prevalence of NCDs in South Asia, the Caribbean, and non-sub-Saharan Africa, aiming to identify both commonalities and differences contributing to the NCD epidemic in these areas while investigating potential recommendations addressing the NCD epidemic. METHOD: A comprehensive search of relevant literature was carried out to identify and appraise published articles systematically using the Cochrane Library, Ovid, Google Scholar, PubMed, Science Direct, and Web of Science search engines between 2010 and 2023. A total of 50 articles fell within the inclusion criteria. RESULTS: Numerous geographical variables, such as lifestyle factors, socio-economic issues, social awareness, and the calibre of the local healthcare system, influence both the prevalence and treatment of NCDs. The NCDs contributors in the Caribbean include physical inactivity, poor fruit and vegetable intake, a sedentary lifestyle, and smoking, among others. While for South Asia, these were: insufficient societal awareness of NCDs, poverty, urbanization, industrialization, and inadequate regulation implementation in South Asia. Malnutrition, inactivity, alcohol misuse, lack of medical care, and low budgets are responsible for increasing NCD cases in Africa. CONCLUSION: Premature mortality from NCDs can be avoided using efficient treatments that reduce risk factor exposure for individuals and populations. Proper planning, implementation, monitoring, training, and research on risk factors and challenges of NCDs would significantly combat the situation in these regions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».