Productivity losses associated with Fetal Alcohol Spectrum Disorder in New Zealand.
Notice bibliographique
Résumé
AIM: To estimate the productivity losses due to morbidity and premature mortality of individuals with Fetal Alcohol Spectrum Disorder (FASD) in New Zealand (NZ). METHODS: A demographic approach with a counterfactual scenario in which nobody in NZ is born with FASD was used. Estimates were calculated using (Census Year) 2013 data for the NZ population, the labour force, unemployment rate and average weekly wage, all of which were obtained from Statistics NZ. In order to estimate the number of FASD cases in 2013 and the related morbidity, the prevalence of FASD, obtained from the available epidemiological literature, was applied to the general population of NZ. Assumptions made on the level of impairment that would affect the ability of individuals with FASD to participate in the workforce or would reduce their productivity were based on data obtained from the current epidemiological literature. RESULTS: In 2013, approximately 0.03% of the NZ workforce experienced a loss of productivity due to FASD-attributable morbidity and premature mortality, which translated to aggregate losses ranging from $NZ49 million to $NZ200 million - that is, 0.03% to 0.09% of the annual gross domestic product in NZ. These costs represent estimates for lost productivity attributable to FASD and do not include additional costs incurred by governmental and private entities including social costs, such as both higher costs and or less effective spending by the education, health and justice systems. CONCLUSION: The estimated productivity losses associated with FASD further reinforces that effective FASD prevention as a primary public health strategy may be of significant value.
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 | 0,000 | 0,001 |
| 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 ».