MétaCan
Menu
Retour à la cohorte
Enregistrement W3171779999 · doi:10.1097/jom.0000000000002296

Weight Loss-Associated Decreases in Medical Care Expenditures for Commercially Insured Patients With Chronic Conditions

2021· article· en· W3171779999 sur OpenAlexaff
Kenneth E. Thorpe, Anastasia Toles, Bimal R. Shah, Jennifer Schneider, Dena M Bravata

Notice bibliographique

RevueJournal of Occupational and Environmental Medicine · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensWeyerhauser (Canada)
Organismes subventionnairesEmory University
Mots-clésMedical Expenditure Panel SurveyWeight lossMedicineBody mass indexWeight managementPsychological interventionMedical careChronic conditionPanel dataMedical costsObesityHealth careEnvironmental healthHealth insuranceEmergency medicineInternal medicineDiseaseStatisticsEconomics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Savings associated with weight loss for populations with chronic conditions are poorly understood. The purpose of this study was to estimate medical expenditure savings associated with weight loss among commercially insured adults with chronic medical conditions. METHODS THE: 2001-2015 Medical Expenditure Panel Survey data were used to estimate the effect of changes in body mass index (BMI) on health expenditures from instrumental variable regression models. RESULTS: Decreases in annual medical expenditures associated with a reduction in BMI of 1 kg/m2 varied by condition (eg, $289 for back pain and $752 for diabetes). The greater the weight loss, the greater the savings. The higher the baseline BMI, the greater the savings for similar levels of weight loss. CONCLUSIONS: The detailed estimates of savings for populations with chronic conditions can be used by employers to evaluate the cost-effectiveness of weight management interventions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,618

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,283
Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Occupational and Environmental MedicineMême sujetHealthcare Policy and ManagementTravaux en français237 207