Effekte integrierter Strategien kommunaler Gesundheitsförderung auf die Diabetes mellitus-Mortalität: Ein natürliches Experiment
Bibliographic record
Abstract
Einleitung Seit der Ottawa Charta verfolgen zunehmend mehr Kommunen eine integrierte Strategie kommunaler Gesundheitsförderung (ISKG). ISKG basieren auf intersektoralen Netzwerken und adressieren das gesamte Spektrum der Determinanten der Gesundheit. Ziel ist die Evaluation der Effektivität von ISKG am Beispiel der Diabetes mellitus-Mortalität (DM). Methoden In 4/2019 wurden Kommunen mit ISKG (n=149) von insgesamt 401 Kommunen in Deutschland identifiziert. Daten zur DM und weitere Variablen basieren auf verfügbaren kreisbezogenen amtlichen Daten (1998-2016). Ausgeschlossen wurden Kommunen mit <5 Messungen der DM sowie ISKG-Kommunen mit Beginn vor 1999 oder nach 2015. Mittels Fixed Effects (FE)-Models wurden Effekte der Einführung und – zwecks Prüfung einer Latenzzeit – der Laufzeit von ISKG auf die DM unter Berücksichtigung des zeitvarianten Durchschnittsalters geschätzt. Ergebnisse Die Analysen basieren auf 189 Kommunen: 65 mit ISKG (IG) und 124 ohne ISKG (KG). Die ISKG liefen im Mittel 5,6 Jahre. Die DM lagen in der IG/KG 1998 bei 18,5/25,7 pro 100.000, 2007 bei 26,0/26,2 und 2016 bei 28,0/38,5. Der FE-Schätzer für die DM beträgt für die IG vs. KG β= -2,48 (95%-KI -3,45 – -1,51) und für die ISKG-Laufzeit (0-16 Jahre) β=-0,30 (95%-KI -0,46 – -0,14). Im ersten Jahr nach Einführung einer ISKG wurde also eine Reduktion der jährlichen DM von 0,3 pro 100.000 (1%) erreicht und im 16. Jahr eine von 4,8 (14%). Fazit Die Studie gibt erste Hinweise auf die Wirksamkeit von ISKG in Deutschland. Limitationen bestehen in der Validität der Daten zur DM sowie möglichen Selektionsbias. Publication History Publication Date: 02 September 2021 (online) © 2021. Thieme. All rights reserved. Georg Thieme Verlag KG Rüdigerstraße 14, 70469 Stuttgart, Germany
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.012 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.003 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.019 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".