Abstract P285: Potential Direct Medical Cost-Savings Attributable to Physical Activity in Major Disease Categories
Notice bibliographique
Résumé
Introduction: Physical activity (PA) is known to be effective in treating and preventing many lifestyle diseases including CVD, stroke, depression, type II diabetes, Alzheimer’s disease, as well as breast and colon cancer. To date the direct medical cost-savings of PA as a medical intervention are poorly understood. Hypothesis: We hypothesized that a 10% increase in the proportion of US citizens who meet the minimum weekly exercise requirements of 150 minutes per week would lead to savings in direct medical costs (DMC) and cases prevented, as related to the above diseases. Methods: Population Attributable Risk (PAR) was calculated as PAR= (1+Prf x (RR-1))/(Prf x(RR-1)), where Prf is the percentage of the U.S. population not meeting minimum exercise requirements and RR is the relative risk of disease for sedentary versus physically active individuals. Prf and RR data were retrieved from the most recent and comprehensive meta-analyses and systematic reviews. PAR was calculated for each disease under two conditions; first, Prf was equal to the current percent (9.6%) of the population estimated to achieve the minimum weekly PA requirements. Second, Prf was equal to the initial Prf plus 10 percent (19.6%). For each condition the following were calculated: Attributable DMC=(PAR x DMC), preventable cases=(PAR x Prevalence) and Savings=(Condition 2- Condition 1). Results: The Prevalence, RR, PAR and DMC are provided in Table 1. This table also describes the potential savings in DMC and new cases by improving the Prf by 10%. A 10% increase in US citizens who meet the minimum weekly exercise requirements could lead to a total savings of 10.78 billion USD in DMC and 2.1 million cases prevented related to the studied diseases. Conclusion: A healthcare system directed PA intervention that effectively leads to a 10% increase in US citizens that meet minimum weekly exercise requirements and costs less than 10.78 billion dollars has the potential to be cost-effective, and prevent and treat, millions of cases in the United States.
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 | 0,008 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,014 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,001 |
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 ».