MétaCan
Menu
Retour à la cohorte
Enregistrement W2091353016 · doi:10.1097/jom.0b013e31820451fd

The Impact of Weight Gain or Loss on Health Care Costs for Employees at the Johnson & Johnson Family of Companies

2010· article· en· W2091353016 sur OpenAlexaff
Ginger Smith Carls, Ron Z. Goetzel, Rachel Mosher Henke, Jennifer A. Bruno, Fikry Isaac, Janice McHugh

Notice bibliographique

RevueJournal of Occupational and Environmental Medicine · 2010
Typearticle
Langueen
DomaineHealth Professions
ThématiqueWorkplace Health and Well-being
Établissements canadiensThomson Reuters (Canada)
Organismes subventionnairesnon disponible
Mots-clésOverweightConfidence intervalObesityMedicineWeight gainEnvironmental healthHealth promotionHealth careHealth riskGerontologyDemographyBody weightPublic healthNursingInternal medicineEconomics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To quantify the impact of weight gain or weight loss on health care costs. METHODS: Employees completing at least two health risk assessments during 2002 to 2008 were classified as adding, losing, or staying at high/low risk for each of the nine health risks including overweight and obesity. Models for each risk were used to compare cost trends by controlling for employee characteristics. RESULTS: Employees who developed high risk for obesity (n = 405) experienced 9.9% points higher annual cost increases (95% confidence interval: 3.0%-16.8%) than those who remained at lower risk (n = 8015). Employees who moved from high to lower risk for obesity (n = 384), experienced annual cost increases that were 2.3% points lower (95% confidence interval: -7.4% to 2.8%) than those who remained high risk (n = 1699). CONCLUSIONS: Preventing weight gain through effective employee health promotion programs is likely to result in cost savings for employers.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,208
Score d'incertitude au seuil0,628

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,040
Tête enseignante GPT0,412
Écart entre enseignants0,372 · 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'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

Citations31
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Occupational and Environmental MedicineMême sujetWorkplace Health and Well-beingTravaux en français237 207