World health Organization’s guidance for tracking non-communicable diseases towards sustainable development goals 3.4: an initiative for facility-based monitoring
Notice bibliographique
Résumé
Background: Non-communicable diseases (NCDs) account for over 60% of annual global deaths, disproportionately affecting low- and middle-income countries. This trend undermines progress toward Sustainable Development Goal (SDG) 3.4, which seeks to reduce premature mortality from NCDs by one-third by 2030. Despite the availability of effective and relatively affordable interventions, addressing NCDs requires sustained, coordinated efforts and robust monitoring systems. Facility-based monitoring offers a dynamic alternative to static surveys, enabling continuous assessment of healthcare quality and utilization. Methods: This study followed a systematic approach to develop standardized global and national NCD monitoring indicators, using the Donabedian model as a conceptual framework. It focused on four major NCD categories: hypertension and cardiovascular diseases (CVDs), diabetes, chronic respiratory diseases, and cancers. The methodology included systematic scoping reviews from inception up to November 2021 and a multi-round Delphi process involving global experts to assess the validity and feasibility of proposed indicators. This study was funded internally by WHO. There were no payments to participants. Findings: The final output consisted of 81 validated indicators-22 core and 59 optional. These indicators demonstrated high feasibility and relevance for facility-based monitoring of NCD service delivery. They provide actionable metrics for assessing and improving the quality of care across diverse health system settings. Interpretation: This study highlights the urgent need for comprehensive, context-sensitive NCD monitoring frameworks. The proposed set of indicators offers a validated foundation for improving NCD care delivery and aligns with efforts to achieve SDG target 3.4. Ongoing updates and local adaptations will be essential to ensure continued relevance and effectiveness. Funding: This study was funded internally by WHO.
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 | 0,160 | 0,137 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,004 |
| Méta-épidémiologie (sens large) | 0,005 | 0,010 |
| Bibliométrie | 0,012 | 0,012 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,012 | 0,012 |
| Intégrité de la recherche | 0,010 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,006 |
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 ».