Active Lives South Australia health economic analysis: an evidence base for the potential of health promotion strategies supporting physical activity guidelines to reduce public health costs while improving wellbeing
Notice bibliographique
Résumé
Aim: The COVID-19 pandemic has threatened individual and population wellbeing and strategies to jointly address these challenges within budget constraints are required. The aim of our research is to analyse evidence from the Active Lives South Australia study to consider the potential of physical activity (PA) health promotion strategies to be health-system cost saving while addressing wellbeing challenges. Methods: The Active Lives South Australia study compares adult populations who meet and do not meet physical activity (PA) guidelines (150+ minutes of weekly physical activity) with respect to their subjective wellbeing and health care utilisation. Subject and results: Adults who met PA guidelines had better wellbeing across all aspects with and without adjustment for age, sex and income covariates. Analysis showed significant associations between meeting guidelines and lower probabilities of visiting and utilisation of GPs, specialist doctors, other health professionals, hospital inpatient admissions, outpatient clinic and emergency department visits, and an overall A$1760 lower cost per person annually. Controlling for age, sex and income, health expenditure for adults who met PA guidelines was significantly lower by A$1393 per person annually. That translated to A$804 million potential annual SA health system cost saving by shifting all adults to meeting PA guidelines. Conclusion: There is significant potential for effective health promotion strategies to be net cost saving while addressing wellbeing challenges of COVID-19 recovery where they can shift target populations from not meeting to meeting PA guidelines.
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 | 0,015 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».