A probabilistic approach for economic evaluation of occupational health and safety interventions: a case study of silica exposure reduction interventions in the construction sector
Notice bibliographique
Résumé
BACKGROUND: Construction workers are at a high risk of exposure to various types of hazardous substances such as crystalline silica. Though multiple studies indicate the evidence regarding the effectiveness of different silica exposure reduction interventions in the construction sector, the decisions for selecting a specific silica exposure reduction intervention are best informed by an economic evaluation. Economic evaluation of interventions is subjected to uncertainties in practice, mostly due to the lack of precise data on important variables. In this study, we aim to identify the most cost-beneficial silica exposure reduction intervention for the construction sector under uncertain situations. METHODS: We apply a probabilistic modeling approach that covers a large number of variables relevant to the cost of lung cancer, as well as the costs of silica exposure reduction interventions. To estimate the societal lifetime cost of lung cancer, we use an incidence cost approach. To estimate the net benefit of each intervention, we compare the expected cost of lung cancer cases averted, with expected cost of implementation of the intervention in one calendar year. Sensitivity analysis is used to quantify how different variables affect interventions net benefit. RESULTS: A positive net benefit is expected for all considered interventions. The highest number of lung cancer cases are averted by combined use of wet method, local exhaust ventilation and personal protective equipment, about 107 cases, with expected net benefit of $45.9 million. Results also suggest that the level of exposure is an important determinant for the selection of the most cost-beneficial intervention. CONCLUSIONS: This study provides important insights for decision makers about silica exposure reduction interventions in the construction sector. It also provides an overview of the potential advantages of using probabilistic modeling approach to undertake economic evaluations, particularly when researchers are confronted with a large number of uncertain variables.
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 | 0,016 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».