Valuing a reduction in the risk of chronic kidney disease
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Compromised kidney function is associated with an array of environmental contaminants and chemicals, including heavy metals, certain organic solvents, and polycyclic aromatic hydrocarbons (PAHs), as well as food and waterborne pathogens. Many of these hazards are subject to regulation, or may be considered for regulation, in order to reduce exposures and prevent human health risks. However, valuation estimates for kidney effects that can be used in cost-benefit analyses are few, particularly willingness-to-pay estimates. In particular, there appears to be no willingness-to-pay (WTP) estimate available for reduced risk of chronic kidney disease and therefore no estimate for the Value of a Statistical Case (VSC) of chronic kidney disease. This paper is part of the series of large scale willingness to pay (WTP) studies resulting from the Surveys to elicit Willingness to pay to Avoid Chemicals related negative Health Effects (SWACHE) project that intends to improve the basis for doing cost benefit analyses of chemicals management options and environmental policies in general. The paper details a stated preference survey estimating WTP to reduce the risk of symptomatic chronic kidney disease, termed serious kidney disease in the survey instrument, filling an important gap in the valuation literature and addressing a need for applied benefits analysis for chemicals regulation. The SWACHE serious kidney impairment survey was fielded in 10 countries: Canada, Chile, China, Denmark, Germany, Italy, Norway, Türkiye, the United Kingdom and the United States.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 0,001 |
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.
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 découle