MétaCan
Menu
Retour à la cohorte
Enregistrement W4286696753 · doi:10.1016/j.eclinm.2022.101580

Global and regional projections of the economic burden of Alzheimer's disease and related dementias from 2019 to 2050: A value of statistical life approach

2022· article· en· W4286696753 sur OpenAlexaff
Arindam Nandi, Nathaniel Z. Counts, Simiao Chen, Benjamin Seligman, Daniel L. Tortorice, Daniel E. Vigo, David E. Bloom

Notice bibliographique

RevueEClinicalMedicine · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesMerckPfizer
Mots-clésDisease burdenDisability-adjusted life yearMedicineBurden of diseasePopulationQuality-adjusted life yearPopulation ageingEnvironmental healthCost effectivenessRisk analysis (engineering)

Résumé

récupéré en direct d'OpenAlex

Background: The burden of Alzheimer's disease and related dementias (ADRDs) is expected to grow rapidly with population aging, especially in low- and middle-income countries, in the next few decades. We used a willingness-to-pay approach to project the global, regional, and national economic burden of ADRDs from 2019 to 2050 under status quo. Methods: We projected age group and country-specific disability-adjusted life years (DALYs) lost to ADRDs in future years based on historical growth in disease burden and available population projections. We used country-specific extrapolations of the value of a statistical life (VSL) year and its future projections based on historical income growth to estimate the economic burden - measured in terms of the value of lost DALYs - of ADRDs. A probabilistic uncertainty analysis was used to calculate point estimates and 95% uncertainty bounds of the economic burden. Findings: In 2019, the global VSL-based economic burden of ADRDs was an estimated $2.8 trillion. The burden was projected to increase to $4.7 trillion (95% uncertainty bound: $4 trillion-$5.5 trillion) in 2030, $8.5 trillion ($6.8 trillion-$10.8 trillion) in 2040, and $16.9 trillion ($11.3 trillion-$27.3 trillion) in 2050. Low- and middle-income countries (LMICs) would account for 65% of the global VSL-based economic burden in 2050, as compared with only 18% in 2019. Within LMICs, upper-middle income countries would carry the largest VSL-based economic burden by 2050 (92% of LMICs burden and 60% of global burden). Interpretation: ADRDs have a large and inequitable projected future VSL-based economic burden. Funding: The Davos Alzheimer's Collaborative.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,225
Tête enseignante GPT0,429
Écart entre enseignants0,204 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations374
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEClinicalMedicineMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207