Making visible the cost of informal caregivers’ time in Latin America: a case study for major cardiovascular, cancer and respiratory diseases in eight countries
Notice bibliographique
Résumé
BACKGROUND: Informal care is a key element of health care and well-being for society, yet it is scarcely visible and rarely studied in health economic evaluations. This study aims to estimate the time use and cost associated with informal care for cardiovascular diseases, pneumonia and ten different cancers in eight Latin American countries (Argentina, Brazil, Chile, Colombia, Costa Rica, Ecuador, Mexico and Peru). METHODS: We carried out an exhaustive literature review on informal caregivers' time use, focusing on the selected diseases. We developed a survey for professional caregivers and conducted expert interviews to validate this data in the local context. We used an indirect estimate through the interpolation of the available data, for those cases in which we do not found reliable information. We used the proxy good method to estimate the monetary value of the use of time of informal care. National household surveys databases were processed to obtain the average wage per hour of a proxy of informal caregiver. Estimates were expressed in 2020 US dollars. RESULTS: The study estimated approximately 1,900 million hours of informal care annually and $ 4,300 million per year in average informal care time cost for these fifteen diseases and eight countries analyzed. Cardiovascular diseases accounted for an informal care burden that ranged from 374 to 555 h per year, while cancers varied from 512 to 1,825 h per year. The informal care time cost share on GDP varied from 0.26% (Mexico) to 1.38% (Brazil), with an average of 0.82% in the studied American countries. Informal care time cost represents between 16 and 44% of the total economic cost (direct medical and informal care cost) associated with health conditions. CONCLUSIONS: The study shows that there is a significant informal care economic burden -frequently overlooked- in different chronic and acute diseases in Latin American countries; and highlights the relevance of including the economic value of informal care in economic evaluations of healthcare.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».