MétaCan
Menu
Retour à la cohorte
Enregistrement W2001008282 · doi:10.3747/co.v17i2.477

Estimating the National Wage Loss from Cancer in Canada

2010· article· en· W2001008282 sur OpenAlexaffvenueabout
Robert Hopkins, Ron Goeree, Christopher J. Longo

Notice bibliographique

RevueCurrent Oncology · 2010
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Financial Impacts of Cancer
Établissements canadiensMcMaster UniversitySt. Joseph’s Healthcare HamiltonPrograms for Assessment of Technology in Health Research Institute
Organismes subventionnairesnon disponible
Mots-clésWageMedicineCancerCommunity healthDemographyPopulationGerontologyEnvironmental healthPublic healthEconomicsLabour economicsNursing

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Using primary and secondary data sources, we set out to estimate the Canadian wage loss from cancer for patients, caregivers, and parents from a patient and a societal perspective. METHODS: First, a multiple-database literature search was conducted to find Canadian-specific direct surveys of wage loss from cancer. Second, estimates for wage loss were generated from the nationally representative Canadian Community Health Survey (CCHS) Cycle 3.1. In addition, both estimates were standardized to derive a friction-period estimate and were extrapolated to produce national annual estimates. RESULTS: The literature search identified six direct surveys that included a total of 1632 patients with cancer. The CCHS Cycle 3.1 included 2287 patients with cancer. Overall, based on the direct surveys, newly diagnosed cancer patients reduced their labour participation in the friction period by 36% ($4,518), and caregivers lost 23% of their workable hours ($2,887). The CCHS estimated that annual household income was 26.5% lower ($4,978) for respondents with cancer as compared with the general population. For the year 2009, results from direct surveys indicated that new cancers in Canada generated a wage loss of $3.18 billion; the CCHS Cycle 3.1 estimate was $2.95 billion. CONCLUSIONS: Wage loss from cancer is a significant economic burden on patients, their families, and society in Canada, with direct surveys and the CCHS providing similar estimates.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,461
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,085
Tête enseignante GPT0,337
Écart entre enseignants0,253 · 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.

Devis d'étudeObservationnel
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

Citations33
Publié2010
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetEconomic and Financial Impacts of CancerTravaux en français237 207