Simulation Of Quitting Smoking In The Military Shows Higher Lifetime Medical Spending More Than Offset By Productivity Gains
Notice bibliographique
Résumé
Despite the documented benefits of quitting smoking, studies have found that smokers who quit may have higher lifetime medical costs, in part because of increased risk for medical conditions, such as type 2 diabetes, brought on by associated weight gain. Using a simulation model and data on 612,332 adult smokers in the US Department of Defense's TRICARE Prime health plan in 2008, we estimated that cessation accompanied by weight gain would increase average life expectancy by 3.7 years, and that the average lifetime reduction in medical expenditures from improved health ($5,600) would be offset by additional expenditures resulting from prolonged life ($7,300). Results varied by age and sex: For females ages 18-44 at time of cessation, there would be net savings of $1,200 despite additional medical expenditures from prolonged life. Avoidance of weight gain after quitting smoking would increase average life expectancy by four additional months and reduce mean extra spending resulting from prolonged life by $700. Overall, the average net lifetime health care cost increase of $1,700 or less per ex-smoker would be modest and, for employed people, more than offset by even one year's worth of productivity gains. These results boost the case for smoking cessation programs in the military in particular, along with not selling cigarettes in commissaries or at reduced prices.
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 | 0,010 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».