Health Gain, Cost Impacts, and Cost-Effectiveness of a Mass Media Campaign to Promote Smartphone Apps for Physical Activity: Modeling Study
Notice bibliographique
Résumé
BACKGROUND: Physical activity smartphone apps are a promising strategy to increase population physical activity, but it is unclear whether government mass media campaigns to promote these apps would be a cost-effective use of public funds. OBJECTIVE: We aimed to estimate the health impacts, costs, and cost-effectiveness of a one-off national mass media campaign to promote the use of physical activity apps. METHODS: We used an established multistate life table model to estimate the lifetime health gains (in quality-adjusted life years [QALYs]) that would accrue if New Zealand adults were exposed to a one-off national mass media campaign to promote physical activity app use, with a 1-year impact on physical activity, compared to business-as-usual. A health-system perspective was used to assess cost-effectiveness. and a 3% discount rate was applied to future health gains and health system costs. RESULTS: The modeled intervention resulted in 28 QALYs (95% uncertainty interval [UI] 8-72) gained at a cost of NZ $81,000/QALY (2018 US $59,500; 95% UI 17,000-345,000), over the remaining life course of the 2011 New Zealand population. The intervention had a low probability (20%) of being cost-effective at a cost-effectiveness threshold of NZ $45,000 (US $32,900) per QALY. The health impact and cost-effectiveness of the intervention were highly sensitive to assumptions around the maintenance of physical activity behaviors beyond the duration of the intervention. CONCLUSIONS: A mass media campaign to promote smartphone apps for physical activity is unlikely to generate much health gain or be cost-effective at the population level. Other investments to promote physical activity, particularly those that result in sustained behavior change, are likely to have greater health impacts.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».