Scoping review of dementia primary prevention policies in England: do they balance reach and agency?
Notice bibliographique
Résumé
Objectives: To ascertain the balance of dementia risk reduction policies in England, considering their reach (population-wide vs targeted at specific individuals) and agency (the level of resource required to benefit from the intervention). Design: Scoping review. Data sources: Academic databases (Medline, the Health Management Information Consortium and Overton) and the webpages of relevant national and local government agencies and associated bodies (including: the UK Government, the UK Health Security Agency, National Health Service England, National Institute for Health and Care Excellence and local governments and healthcare organisations from the East of England region) were searched. Eligibility criteria: Any written documents or service webpages from, or endorsed by, governmental organisations or arms-length bodies which describe, recommend or evaluate current or formally proposed interventions for the reduction or control of one or more modifiable risk factors for dementia were included. Policies targeted at people with existing cognitive impairment and/or dementia were excluded. Data extraction and synthesis: Data on policy description, reach and agency were extracted from identified dementia primary prevention policy documents by one author. Policies common to several organisations were grouped, and then synthesised across risk factor group and by tier of government. The numerical balance of policies (between axes of reach and agency) was compared across risk factor group and current policy/proposed status. Results: From a total of 8210 hits, 366 policy documents were included. From these, 79 distinct policies were identified, targeted at dementia (n=3), cardiovascular health (n=23), smoking and alcohol (n=17), depression and social isolation (n=12), air pollution (n=10), low formal education (n=9), hearing impairment (n=3) and traumatic brain injury (n=2). Overall, 67.1% (53/79) of current policies had population-reach, 53.2% (42/79) were considered low-agency and 39.2% (31/79) were both population-reach and low-agency. Conclusions: There is currently a policy balance between population-reach and targeted-reach, and high-agency and low-agency interventions, for dementia risk reduction in England. However, a predominance of population-reach, low-agency interventions may be required to match the scale of the challenge and improve equity.
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 | 0,135 | 0,441 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,004 |
| Bibliométrie | 0,026 | 0,036 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,010 | 0,011 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».