MétaCan
Menu
Retour à la cohorte
Enregistrement W2339888685 · doi:10.1097/jom.0000000000000621

Lost Labor Productivity Costs of Prostate Cancer to Patients and Their Spouses

2016· article· en· W2339888685 sur OpenAlexaff
John A. Rizzo, Teresa Zyczynski, Jie Chen, Peter J. Mallow, Géralyn C. Trudel, John R. Penrod

Notice bibliographique

RevueJournal of Occupational and Environmental Medicine · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueProstate Cancer Diagnosis and Treatment
Établissements canadiensBristol-Myers Squibb (Canada)
Organismes subventionnairesnon disponible
Mots-clésProductivityMedical Expenditure Panel SurveyMedicineProstate cancerMultivariate analysisMedical costsEconomic costDemographyEnvironmental healthAbsenteeismMultivariate statisticsAggregate dataGerontologyCancerHealth careEconomicsHealth insuranceEconomic growthStatisticsInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The aim of the study is to estimate lost labor productivity costs of prostate cancer (PC) to patients and their spouses. METHODS: This study used a nationally representative database from the United States, the Medical Expenditure Panel Survey, to estimate lost productivity costs attributable to PC for patients and their spouses. We used multivariate methods that controlled for sociodemographic factors and comorbid diseases. Sensitivity analyses were used to mitigate the tendency for prevalence rates to be underreported in surveys. RESULTS: PC patients had an aggregate national annual lost productivity cost of $5.4 billion ($3601 per individual), whereas their spouses had an aggregate annual lost productivity cost of $3.0 billion ($4013 per individual). CONCLUSIONS: These results enhance our knowledge of lost labor productivity costs of PC morbidity and may inform the management and treatment of PC from an employer's perspective.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,015
Tête enseignante GPT0,271
Écart entre enseignants0,256 · 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 source (Gemma direct ou Codex distillé), 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

Citations11
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Occupational and Environmental MedicineMême sujetProstate Cancer Diagnosis and TreatmentTravaux en français237 207