Meilleure estimation du fardeau que représentent les facteurs de risque de maladie chronique pour la santé et l'économie au Manitoba
Notice bibliographique
Résumé
<sec> <title>Introduction</title> L'estimation du fardeau global que représentent les facteurs de risque multiples au sein d'une population présente certains défis d'ordre analytique. Nous décrivons une méthodologie permettant de tenir compte des facteurs de risque se chevauchant dans certaines sous-populations et entraînant un « double compte » des maladies et du fardeau économique qu'ils engendrent. </sec> <sec> <title>Méthodologie</title> Notre démarche permet d'analyser avec précision le fardeau économique global des maladies chroniques dans un cadre multifactoriel tout en tenant compte de l'incidence du poids en tant qu'exposition continue ou polytomique (allant de l'absence d'excédent de poids au surpoids et à l'obésité). Nous appliquons cette méthode au tabagisme, à l'inactivité physique et au surpoids et à l'obésité à la province du Manitoba (Canada). </sec> <sec> <title>Résultats</title> En 2008, le fardeau économique global annuel des facteurs de risque au Manitoba était d'environ 1,6 milliard de dollars (557 millions pour le tabagisme, 299 millions pour l'inactivité physique et 747 millions pour le surpoids et l'obésité). Le fardeau total représente un rajustement à la baisse de 12,6 % lorsqu'on tient compte de l'effet des facteurs de risque multiples chez certaines personnes. </sec> <sec> <title>Conclusion</title> Une meilleure estimation du fardeau économique global des facteurs de risque multiples au sein d'une population peut faciliter l'établissement des priorités et améliorer le soutien aux initiatives de prévention primaire. </sec>
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».