MétaCan
Menu
Retour à la cohorte
Enregistrement W1553055032 · doi:10.1096/fasebj.29.1_supplement.39.8

Cost‐effectiveness of Mama‐SASHA: a project to improve health and nutrition through an integrated orange‐fleshed sweetpotato production and health service delivery model

2015· article· en· W1553055032 sur OpenAlexaff
Julie L. Self, Amy Girard, Deborah A. McFarland, Frederick Grant, Jan W. Low, Donald C. Cole, Carol Levin

Notice bibliographique

RevueThe FASEB Journal · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMicrofinance and Financial Inclusion
Établissements canadiensCentre for Global Health ResearchUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésOrange (colour)Production (economics)Service delivery frameworkService (business)Health benefitsBusinessMedicineMarketingFood scienceChemistryTraditional medicineEconomics

Résumé

récupéré en direct d'OpenAlex

The Mama‐SASHA project aims to improve the health and nutrition of pregnant/lactating women and children <2 years through an integrated orange‐fleshed sweetpotato (OFSP) and health service strategy in Western Kenya. We analyzed the cost effectiveness from a societal perspective. We estimated the incremental cost‐effectiveness ratio (ICER) of the intervention, which includes OFSP vouchers provided at antenatal care (ANC) visits, nutrition education, and pregnant women's clubs, compared to status quo ANC services. Effectiveness data from a quasi‐experimental study were used to estimate DALYs associated with changes in vitamin A deficiency, stunting, wasting, anemia, diarrhea, and mortality for children <2 years and their mothers. We used ingredients based micro‐costing to estimate economic costs of agriculture, health and community interventions, including opportunity costs of labor for health workers, community volunteers and participants. Net economic cost over three years was US @445,151. 77 DALYs were averted per year, mostly attributable to improvements in stunting and anemia. The ICER was US @1,919 per DALY averted, which is two times Kenya's GDP per capita (@994 per person) and meets cost‐effectiveness criteria set by WHO. Benefits not convertible into DALY's include improved sweetpotato yield, food security, extension services and nutritional knowledge.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,311
Score d'incertitude au seuil0,564

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,130
Tête enseignante GPT0,321
Écart entre enseignants0,191 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetMicrofinance and Financial InclusionTravaux en français237 207