How much will we pay to increase steps per day? Examining the cost-effectiveness of a pedometer-based lifestyle program in primary care
Notice bibliographique
Résumé
We previously demonstrated the Healthy Eating and Active Living for Diabetes (HEALD) intervention was effective for increasing daily steps. Here, we consider the cost-effectiveness of the HEALD intervention implemented in primary care. HEALD was a pedometer-based program for adults with type-2 diabetes in Alberta, Canada completed between January 2010 and September 2012. The main outcome was the change in pedometer-determined steps/day compared to usual care. We estimated total costs per participant for HEALD, and total costs of health care utilization through linkage with administrative health databases. An incremental cost-effectiveness ratio (ICER) was estimated with regression models for differences in costs and effects between study groups. The HEALD intervention cost $340 per participant over the 6-month follow-up. The difference in total costs (intervention plus health care utilization) was $102 greater per HEALD participant compared to usual care. The intervention group increased their physical activity by 918 steps/day [95% CI 116, 1666] compared to usual care. The resulting ICER was $111 per 1000 steps/day, less than an estimated cost-effectiveness threshold. Increasing daily steps through an Exercise Specialist-led group program in primary care may be a cost-effective approach towards improving daily physical activity among adults with type-2 diabetes. Alternative delivery strategies may be considered to improve the affordability of this model for primary care.
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 | 0,003 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».