Mathematical Modelling for Community Based Intervention for Managing Diabetes: A Systematic Literature Review
Notice bibliographique
Résumé
Aalbrecht A Irawan,1 Nursanti Anggriani,2 Yudhie Andriyana,3 Rizky Abdulah4 1Doctoral Program in Mathematics, Faculty of Mathematics and Natural Science, Universitas Padjadjaran, Jatinangor, West Java, Indonesia; 2Department of Mathematics, Faculty of Mathematics and Natural Science, Universitas Padjadjaran, Jatinangor, West Java, Indonesia; 3Department of Statistics, Faculty of Mathematics and Natural Science, Universitas Padjadjaran, Jatinangor, West Java, Indonesia; 4Department of Pharmacology and Clinical Pharmacy, Faculty of Pharmacy, Universitas Padjadjaran, Jatinangor, West Java, IndonesiaCorrespondence: Nursanti Anggriani, Department of Mathematics, Faculty of Mathematics and Natural Science, Universitas Padjadjaran, Jalan Raya Bandung Sumedang KM 21, Jatinangor, West Java, 45363, Indonesia, Email nursanti.anggriani@unpad.ac.idAbstract: Diabetes mellitus (DM) poses a significant global health and economic challenge. Effective diabetes management requires a multifaceted approach that combines clinical and community-based interventions. Community-based interventions are critical to address the growing burden of diabetes. Despite numerous independent studies on community-based interventions for T2DM management and mathematical models, there has been no comprehensive review integrating these two domains. This systematic literature review aimed to fill this gap by examining mathematical modelling in the context of community-based interventions for T2DM management. Following the PRISMA guidelines, relevant articles were identified, screened, and assessed for eligibility using the Scopus, ScienceDirect, and PubMed databases. The inclusion criterion was English-language research articles published between 2014 and 2024 that focused on T2DM interventions using mathematical models. Seven articles met the final inclusion criteria and were analysed to answer research questions related to the geographical origin of the data, nature of the intervention, specific mathematical model used, and the main findings of the primary study. This review highlights that mathematical models are critical for optimising community-based interventions, by identifying key risk factors, predicting disease progression, and evaluating the effectiveness of various treatments. By synthesising findings from different geographical and economic contexts, this review highlights the importance of culturally and contextually relevant strategies for diabetes management. The integration of robust mathematical models with community-based approaches promises to develop more effective evidence-based strategies for diabetes management, particularly in resource-limited settings.Keywords: mathematical model, diabetes mellitus type 2, community-based intervention
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 | 0,020 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,013 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».