The cost effectiveness of occupational health interventions: Prevention of silicosis
Notice bibliographique
Résumé
BACKGROUND: The failure to recognize occupational health as an economic phenomenon limits the effectiveness of interventions ostensibly designed to prevent disease and injury. Hence, consideration of economic efficiency is essential in the evaluations of interventions to reduce hazardous working conditions. In this paper, we present an analysis of the cost effectiveness of alternative means of preventing silicosis. METHODS: To evaluate the cost effectiveness of specific interventions for the prevention of occupationally induced silicosis, we have used the simulation models based on the generalized cost-effectiveness analysis (GCEA) developed by the WHO-CHOICE initiative for two representative subregions namely AMROA (Canada, United States of America), and WPROB1 (China, Korea, Mongolia). RESULTS: In both of the two subregions, engineering controls are the most cost effective with ratios varying from 105.89 dollars per healthy year or disability adjusted life year saved in AMROA to approximately 109 dollars in WPROB1. In the two subregions, the incremental cost-effectiveness ratio of engineering controls (EC) looks most attractive. Although dust masks (DM) look attractive in terms of cost, the total efficacy is extremely limited. CONCLUSIONS: To the extent that this analysis can be generalized across other subregions, it suggests that engineering control programs would be cost effective in both developed and developing countries for reducing silica exposure to save lives. Note that this analysis understates health benefits since only silicosis and not all silica-related diseases are considered.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».