Direct and Indirect Cost of Obesity Among the Privately Insured in the United States
Notice bibliographique
Résumé
OBJECTIVE: To evaluate obesity-related costs and body mass index (BMI) as a cost predictor among privately insured employees by industry. METHODS: Individuals with/without obesity were identified using the Optum Health Reporting and Insights employer claims database (January, 2010 to March, 2017). Direct/indirect costs were reported per-patient-per-year (PPPY). Multivariate models were used to estimate the association between obesity and high costs (more than or equal to 80th percentile) by industry. RESULTS: Overall (N = 86,221), direct and absenteeism/disability cost differences between class I obesity (BMI 30.0 to 34.9) and reference were $1,775 and $617 PPPY, respectively (P < 0.05). Among employees with obesity (BMI more than or equal to 30), highest total costs were observed in the government/education/religious services, food/entertainment services, and technology industries. Class I obesity increased the odds of high costs (more than or equal to 80th percentile) within each industry (odds ratios vs reference = 1.09-5.17). CONCLUSIONS: Obesity (BMI more than or equal to 30) was associated with high costs among employees of major US industries.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».