Cost-effectiveness analysis of a proposed public health legislative/educational strategy to reduce tap water scald injuries in children
Notice bibliographique
Résumé
OBJECTIVE: To determine the cost effectiveness of a public health legislative/educational strategy to reduce tap water scalds in children less than 10 years of age. DESIGN: Cost-effectiveness analysis conducted from the government perspective over a 10-year time horizon. POPULATION: Children under 10 years of age in Ontario, Canada INTERVENTIONS: Legislation to set thermostat settings on new domestic water heaters to lower temperatures (maximum 49 degrees C) plus annual educational notices to utility customers versus status quo. MAIN OUTCOME MEASURES: The burden of tap water scalds, healthcare resource utilization, the cost and effectiveness of the proposed intervention, and the probabilities assigned to health outcomes were modeled in a decision analysis based on population-based data, patient charts, and the published medical literature. All costs and health outcomes beyond 1 year were discounted at 3%. RESULTS: An estimated 182 children under 10 require medical care for tap water scald injuries annually in Ontario (13.98 per 100,000). Of these, 65 require emergency department (ED) care only (median cost $C149 per injury), 103 require ED care with clinic follow-up ($C577 per injury), 14 require hospital admission ($C5203 per injury), and two require surgical skin grafting ($C28,526 per injury). The estimated cost of the intervention was $C51,000 annually, with a projected 56% reduction in tap water scald injuries. Over 10 years, the intervention group would show total costs of $C1.17 million and 704 scalds, compared with $C1.65 million and 1599 scalds in the status quo group. Therefore, the intervention would be cost saving, with an incremental ratio of $C531 saved per scald averted. Sensitivity analyses showed that the intervention would remain cost saving through a wide range of variable estimates. CONCLUSIONS: Legislation to lower thermostat settings on domestic water heaters plus annual educational notices to utility customers would generate cost savings while reducing the morbidity from tap water scalds in children.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 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 ».