Canadian Potential Healthcare and Societal Cost Savings from Consumption of Pulses: A Cost-Of-Illness Analysis
Notice bibliographique
Résumé
Consumption of dietary pulses, including beans, peas and lentils, is recommended by health authorities across jurisdictions for their nutritional value and effectiveness in helping to prevent and manage major diet-related illnesses of significant socioeconomic burden. The aim of this study was to estimate the potential annual healthcare and societal cost savings relevant to rates of reduction in complications from type 2 diabetes (T2D) and incidence of cardiovascular disease (CVD) following a low glycemic index (GI) or high fiber diet that includes pulses, or 100 g/day pulse intake in Canada, respectively. A four-step cost-of-illness analysis was conducted to: (1) estimate the proportions of individuals who are likely to consume pulses; (2) evaluate the reductions in established risk factors for T2D and CVD; (3) assess the percent reduction in incidences or complications of the diseases of interest; and (4) calculate the potential annual savings in relevant healthcare and related costs. A low GI or high fiber diet that includes pulses and 100 g/day pulse intake were shown to potentially yield Can$6.2 (95% CI $2.6-$9.9) to Can$62.4 (95% CI $26-$98.8) and Can$31.6 (95% CI $11.1-$52) to Can$315.5 (95% CI $110.6-$520.4) million in savings on annual healthcare and related costs of T2D and CVD, respectively. Specific provincial/territorial analyses suggested annual T2D and CVD related cost savings that ranged from up to Can$0.2 million in some provinces to up to Can$135 million in others. In conclusion, with regular consumption of pulse crops, there is a potential opportunity to facilitate T2D and CVD related socioeconomic cost savings that could be applied to Canadian healthcare or re-assigned to other priority domains. Whether these potential cost savings will be offset by other healthcare costs associated with longevity and diseases of the elderly is to be investigated over the long term.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».