Cost‐Utility Analysis to Control <i>Campylobacter</i> on Chicken Meat—Dealing with Data Limitations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The current article describes the economic evaluation of interventions to control Campylobacter on chicken meat by means of a cost-utility analysis. Apart from the methodology used, the main focus of this article is on data gaps and assumptions made, and their impact on results and conclusions. The direct intervention costs, the relative risk, the disease burden (expressed in disability-adjusted life years (DALYs)), and the costs of illness for the various interventions are necessary inputs for the cost-utility analysis. The cost-utility ratio (CUR) -- the measure for efficiency -- is expressed in net costs per avoided DALY. Most data gaps were of a biological order, but for some interventions, information on costs was also scarce. As a consequence, assumptions had to be made, which had some impact on the estimated CUR. A higher (lower) incidence of Campylobacter infections associated with chicken meat, higher (lower) effectiveness, and lower (higher) intervention costs, respectively, would result in absolute better (worse) CUR estimates. By taking the perspective of all consumers eating Dutch chicken meat, rather than only the Dutch society, absolute better CUR estimates could be obtained. Indirect costs or a shift toward non-Dutch chicken meat would both result in higher CUR estimates. Despite the assumptions made, three interventions showed for most of the applied sensitivity analyses relatively favorable CUR estimates: limiting fecal leakage during processing, carcass decontamination by dipping in a chemical solution, and the phage therapy. However, all three do have some clauses.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle