MétaCan
Menu
← Retour à la cohorte
Enregistrement W4403129200 · doi:10.2196/46178

A Nationwide Physical Activity Intervention for 654,500 Adults in Singapore: Cost-Utility Analysis

2024· article· en· W4403129200 sur OpenAlexvenueno aff
Gregory Ang, Chuen Seng Tan, Yot Teerawattananon, Falk Müller‐Riemenschneider, Cynthia Chen

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2024
Typearticle
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensnon disponible
Organismes subventionnairesNational Medical Research CouncilMedical Research Council
Mots-clésMedicinePsychological interventionGerontologyEnvironmental healthDisease burdenQuality-adjusted life yearCohortPopulationHealth careCost effectivenessDemographyRisk analysis (engineering)

Résumé

récupéré en direct d'OpenAlex

Background: Increasing physical inactivity is a primary risk factor for diabetes and hypertension, contributing to rising health care expenditure and productivity losses. As Singapore's aging population grows, there is an increased disease burden on Singapore's health systems. Large-scale physical activity interventions could potentially reduce the disease burden but face challenges with the uncertainty of long-term health impact and high implementation costs, hindering their adoption. Objective: We examined the cost-effectiveness of the Singapore National Steps Challenge (NSC), an annual nationwide mobile health (mHealth) intervention to increase physical activity, from both the health care provider perspective, which only considers the direct costs, and the societal perspective, which considers both the direct and indirect costs. Methods: We used a Markov model to assess the long-term impact of increased physical activity from the NSC on adults aged 17 years and older. A Monte Carlo simulation with 1000 samples was conducted to compare two situations: the NSC conducted yearly for 10 years against a no-intervention situation with no NSC. The model projected inpatient and outpatient costs and mortality arising from diabetes and hypertension, as well as their complications. Health outcomes were expressed in terms of the quality-adjusted life-years (QALYs) gained. All future costs and QALYs were discounted at 3% per annum. Sensitivity analyses were done to test the robustness of our model results. Results: We estimated that conducting the NSC yearly for 10 years with a mean cohort size of 654,500 participants was projected to prevent 6200 diabetes cases (95% credible interval 3700 to 9100), 10,500 hypertension cases (95% credible interval 6550 to 15,200), and 4930 deaths (95% credible interval 3260 to 6930). This led to a reduction in health care costs of SGD (Singapore dollar) 448 million (95% credible interval SGD 132 million to SGD 1.09 billion; SGD 1=US $0.73 for the year 2019). There would be 78,800 (95% credible interval 55,700 to 102,000) QALYs gained. Using a willingness-to-pay threshold of SGD 10,000 per QALY gained, the NSC would be cost-saving. When indirect costs were included, the NSC was estimated to reduce societal costs by SGD 1.41 billion (95% credible interval SGD 353 million to SGD 3.80 billion). The model was most sensitive to changes in the inpatient cost of treatment for diabetes complications, time horizon, and program compliance. Conclusions: In this modeling study, increasing physical activity by conducting a yearly nationwide physical activity intervention was cost-saving, preventing diabetes and hypertension and reducing mortality from these diseases. Our results provide important information for decision-making in countries that may consider introducing similar large-scale physical activity programs.

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)0,007
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,121

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,017
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,005
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,401
Écart entre enseignants0,342 · 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'étudeObservationnel
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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and Surveillance→Même sujetPhysical Activity and Health→Travaux en français237 207→