Social and behavioral risk reduction strategies for tuberculosis prevention in Canadian Inuit communities: a cost-effectiveness analysis
Notice bibliographique
Résumé
BACKGROUND: Tuberculosis (TB) is an important public health problem in Inuit communities across Canada, with an annual incidence rate in 2017 that was nearly 300 times higher than in Canadian-born non-Indigenous individuals. Social and behavioral factors that are prevalent in the North, such as commercial tobacco use, excessive alcohol use, food insecurity and overcrowded housing put individuals at higher risk for TB morbidity and mortality. We examined the potential impact of mitigation strategies for these risk factors, in reducing TB burden in this setting. METHODS: We created a transmission model to simulate the epidemiology of TB in Nunavut, Canada. We then used a decision analysis model to assess the potential impact of several evidence-based strategies targeting tobacco use, excessive alcohol use, food insecurity and overcrowded housing. We predicted TB incidence, TB-related deaths, quality adjusted life years (QALYs), and associated costs and cost-effectiveness over 20 years. All costs were expressed in 2018 Canadian dollars. RESULTS: Compared to a status quo scenario with no new interventions for these risk factors, the reduction strategy for tobacco use was most effective and cost-effective, reducing TB incidence by 5.5% (95% uncertainty range: 2.7-11%) over 20 years, with an estimated cost of $95,835 per TB case prevented and $49,671 per QALY gained. The addition of the food insecurity reduction strategy reduced incidence by a further 2% (0.5-3%) compared to the tobacco cessation strategy alone, but at significant cost. CONCLUSIONS: Strategies that aim to reduce commercial tobacco use and improve food security will likely lead to modest reductions in TB morbidity and mortality. Although important for the communities, strategies that address excess alcohol use and overcrowding will likely have a more limited impact on TB-related outcomes at current scale, and are associated with much higher cost. Their benefits will be more substantial with scale up, which will also likely have important downstream impacts such as improved mental health, educational attainment and food security.
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 | 0,006 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».