Global barriers to decision makers for prioritizing interventions for obesity
Notice bibliographique
Résumé
The treatment of obesity remains underprioritized. New pharmacologic options for the treatment of obesity have shown effectiveness and safety but are not widely reimbursed. Despite the unmet need and the existence of effective prevention and treatment strategies, substantial barriers exist to effectively address obesity as a disease. The purpose of this scoping review was to investigate the barriers for decision makers in prioritizing interventions for obesity and to seek out interconnection between barriers to prevention and treatment. A scoping review was conducted using a systematic search of both scientific databases and Health Technology Assessment (HTA) databases. Studies that addressed barriers to reimbursement or prioritization of obesity treatment and prevention were included. A total of 26 articles and 14 HTAs were included. Four main barriers for decision makers to prioritize new interventions for obesity were identified: perceptions, knowledge, economics, and politics. There was a high degree of interconnectedness among barriers, as well as large overlaps between barriers in relation to bariatric surgery, pharmacologic treatments, and prevention regulation. Multiple barriers exist that impact decision makers in prioritizing interventions for treating obesity. A strong interconnectedness of the barriers was found, indicating a systems approach to improve global prioritization to address the disease. This study suggests that decision makers should carefully consider all main barriers when addressing the obesity epidemic.
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 | 0,224 | 0,406 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,014 | 0,013 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».