Innovative Approaches to Implement Chronic Disease Prevention Programs in Community Settings
Notice bibliographique
Résumé
Abstract Evidence-based programs relying on multidomain lifestyle interventions to prevent chronic disease are well-established, but their implementation in real-world settings remains limited. Community settings such as schools, social service organizations, municipal institutions, workplaces, and recreational sport organizations are promising options for implementing preventive programs because they are highly influential settings in the daily lives of most individuals. From a health equity perspective, focusing prevention efforts in community settings has the potential to reach populations with disproportionately higher chronic disease risk who are not able to access health improvement opportunities because of systemic societal factors. We will present the experience of the Hockey Fans In Training (Hockey FIT) program in Canada. This is a gender-sensitized lifestyle intervention that uses the power of sport fandom to engage hard-to-reach populations, such as men. The underrepresentation of men in lifestyle interventions, combined with men being less likely to seek preventive health care services but more likely to engage in high-risk behaviours compared with women, requires innovative approaches specifically designed for men, such sport fandom as suggested by previous studies. This program suggests that participants who received the Hockey FIT intervention had a significant reduction in weight and demonstrated greater improvements in other health indicators than control participants after 3 months, and improvements were maintained at 12 months. It is plausible that improved health status as a result of participation in Hockey FIT could also contribute to a difference in healthcare resource use and costs, thus representing a cost-effective strategy to mitigate the substantial obesity burden on healthcare systems and society.
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 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,005 | 0,012 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,002 |
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 ».