Chronic Diseases: Chronic Diseases and Development 1 Raising the priority of preventing chronic diseases: a political process
Notice bibliographique
Résumé
Chronic diseases especially cardiovascular diseases, diabetes cancer and chronic obstructive respiratory diseases, are neglected globally despite growing awareness of the serious burden that they cause Global and national policies have failed to stop, and in many cases have contributed to, the chronic disease pandemic Low cost and highly effective solutions for the prevention of chronic diseases are readily available the failure to respond is now a political rather than a technical issue We seek to understand this failure and to position chronic disease centrally on the global health and development agendas To identify strategies for generation of increased political priority for chronic diseases and to further the involvement of development agencies we use an adapted political process model This model has previously been used to assess the success and failure of social movements On the basis of this analysis we recommend three strategies reframe the debate to emphasise the societal determinants of disease and the inter relation between chronic disease, poverty, and development, mobilise resources through a cooperative and inclusive approach to development and by equitably distributing resources on the basis of avoidable mortality and build on emerging strategic and political opportunities such as the World Health Assembly 2008-13 Action Plan and the high level meeting of the UN General Assembly in 2011 on chronic disease Until the full set of threats which-include chronic disease-that trap poor households in cycles of debt and illness are addressed, progress towards equitable human development will remain inadequate
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».