The hidden costs: Identification of indirect costs associated with acute gastrointestinal illness in an Inuit community
Notice bibliographique
Résumé
BACKGROUND: Acute gastrointestinal illness (AGI) incidence and per-capita healthcare expenditures are higher in some Inuit communities as compared to elsewhere in Canada. Consequently, there is a demand for strategies that will reduce the individual-level costs of AGI; this will require a comprehensive understanding of the economic costs of AGI. However, given Inuit communities' unique cultural, economic, and geographic contexts, there is a knowledge gap regarding the context-specific indirect costs of AGI borne by Inuit community members. This study aimed to identify the major indirect costs of AGI, and explore factors associated with these indirect costs, in the Inuit community of Rigolet, Canada, in order to develop a case-based context-specific study framework that can be used to evaluate these costs. METHODS: A mixed methods study design and community-based methods were used. Qualitative in-depth, group, and case interviews were analyzed using thematic analysis to identify and describe indirect costs of AGI specific to Rigolet. Data from two quantitative cross-sectional retrospective surveys were analyzed using univariable regression models to examine potential associations between predictor variables and the indirect costs. RESULTS/SIGNIFICANCE: The most notable indirect costs of AGI that should be incorporated into cost-of-illness evaluations were the tangible costs related to missing paid employment and subsistence activities, as well as the intangible costs associated with missing community and cultural events. Seasonal cost variations should also be considered. This study was intended to inform cost-of-illness studies conducted in Rigolet and other similar research settings. These results contribute to a better understanding of the economic impacts of AGI on Rigolet residents, which could be used to help identify priority areas and resource allocation for public health policies and programs.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».