Valuing a Reduction in the Risk of Chronic Kidney Disease: A Large-Scale Multi-Country Stated Preference Approach
Notice bibliographique
Résumé
Compromised kidney function is associated with an array of environmental contaminants and pathogens that may be considered for regulation. However, there are few valuation estimates for kidney effects for use in benefit-cost analyses, particularly willingness-to-pay estimates. This paper is one of several surveys valuing morbidity developed by the OECD Surveys to elicit Willingness-to-pay to Avoid Chemicals-related negative Health Effects project, which aims to improve the basis for benefit-cost analyses. We report the results of a stated preference survey valuing reduced the risk of symptomatic chronic kidney disease, filling an important gap in the valuation literature and addressing a need for applied benefits analysis of chemical regulation. The survey was administered to representative samples in each of 10 countries: Canada, Chile, China, Denmark, Germany, Italy, Norway, Türkiye, the United Kingdom, and the United States. The mean (median) WTP for an average reduction of 3.5 in 1,000 of the risk of serious kidney disease over 5 years is $2,609 ($764), corresponding to a mean (median) value per statistical case (VSC) of chronic kidney disease of $805,000 ($224,000). The mean VSC varies between $700,000 for Canada and $1,200,000 for Türkiye.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».