Inequality-related economic burden of communicable diseases in Canada
Notice bibliographique
Résumé
BACKGROUND: Communicable diseases cause a significant burden on society in terms of health care expenditures and their health impact on individuals. Cost-of-illness studies estimate the total economic burden of illness and injury. OBJECTIVE: To identify the economic burden of illness for communicable diseases in Canada, and to derive the costs associated with inequalities based on income and hospital expenditures. METHODS: Data were derived from the Economic Burden of Illness in Canada (EBIC) database, for the year 2008. Data for communicable diseases were extracted and compared to the overall results. Data on income level was available for hospital expenditures, and was analyzed by income quintile. RESULTS: The total costs attributable to communicable diseases in Canada were $8.3 billion, which represented 9% of the total costs that could be attributed to a specific disease or diagnostic category. Indirect costs accounted for 44% of total communicable disease costs and represented a more significant proportion of the economic burden related to communicable diseases compared to non-communicable diseases. When hospital costs by income quintile were analyzed, a clear inverse relationship was found between income and hospital expenditures. The costs associated with this inequality in 2008 were $308 million. The current estimates are likely to be an underestimate due to the conservative assumptions made in the analysis. CONCLUSION: The cost of communicable disease in Canada is sizable and there is a clear correlation between lower income and higher hospital costs. Further research is needed to better account for co-morbid conditions and to better estimate the value of lost productivity related to disability arising from communicable diseases.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».