Prevention and risk reduction in Canadian dementia strategies: a scoping review
Notice bibliographique
Résumé
INTRODUCTION: Evidence suggests that up to 40% of dementia risk is modifiable (Livingston et al., 2020, Lancet). However, the majority of interventional evidence for dementia risk reduction relies on individual behaviour change, which does not account for social context and is unlikely to produce benefit at scale (Walsh et al., 2022, Lancet Healthy Longevity). Canada has been a leader in dementia research globally but has lagged in policy supporting dementia prevention and risk reduction. Our objective was to review existing dementia strategies and policies to assess their focus on population-level prevention and risk reduction in the Canadian context. METHODS: Primary research databases and grey literature (PubMed, healthevidence.org, customized google search databases) were searched using terms related to "dementia", "policy", and "province/territory". Results were independently double-screened, and included if they were active, finalised policy documents, written in French or English, explicitly focused on dementia from a Canadian provincial or federal authority. Data were extracted based on directed content analysis into pre-determined categories that were iteratively updated: 1) priorities/actions/interventions addressing prevention or risk reduction; 2) Equity and inclusion; 3) Implementation and evaluation. RESULTS: Seven of thirteen provinces/territories had published dementia strategies, in addition to a national strategy. Only half included any risk reduction/prevention in their priorities, all of which were public awareness raising activities. People living with dementia and their caregivers were included in 5/8 strategies and few provinces had an implementation plan or dedicated funding. CONCLUSION: Canadian dementia policy does not prioritize prevention, particularly risk reduction strategies that are population-based and stand to create the most impact. Future dementia strategies should focus on population-level prevention and risk reduction as a key priority in order to produce large, equitable reductions in dementia prevalence. Further, input from people with lived experience should be integral to the development of new policies, as well as built-in organizational accountability and funding to ensure timely uptake and success of policy objectives.
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 | 0,035 | 0,111 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,037 | 0,053 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,010 | 0,004 |
| Science ouverte | 0,005 | 0,004 |
| 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 ».