The economic burden of type 2 diabetes on the public healthcare system in Kenya: a cost of illness study
Notice bibliographique
Résumé
BACKGROUND: The burden of chronic non-communicable diseases (NCDs) is a growing public health concern. The availability of cost-of-illness data, particularly public healthcare costs for NCDs, is limited in Sub-Saharan Africa (SSA), yet such data evidence is needed for policy action. OBJECTIVE: The objective of this study was to estimate the economic burden of type 2 diabetes (T2D) on Kenya's public healthcare system in 2021 and project costs for 2045. METHODS: This was a cost-of-illness study using the prevalence-based bottom-up costing approach to estimate the economic burden of T2D in the year 2021. We further conducted projections on the estimated costs for the year 2045. The costs were estimated corresponding to the care, treatment, and management of diabetes and some diabetes complications based on the primary data collected from six healthcare facilities in Nairobi and secondary costing data from previous costing studies in low and middle-income countries (LMICs). The data capture and costing analysis were done in Microsoft Excel 16, and sensitivity analysis was conducted on all the parameters to estimate the cost changes. RESULTS: The total cost of managing T2D for the healthcare system in Kenya was estimated to be US$ 635 million (KES 74,521 million) in 2021. This was an increase of US$ 2 million (KES 197 million) considering the screening costs of undiagnosed T2D in the country. The major cost driver representing 59% of the overall costs was attributed to T2D complications, with nephropathy having the highest estimated costs of care and management (US$ 332 million (KES 36, 457 million). The total cost for T2D was projected to rise to US$ 1.6 billion (KES 177 billion) in 2045. CONCLUSION: This study shows that T2D imposes a huge burden on Kenya's healthcare system. There is a need for government and societal action to develop and implement policies that prevent T2D, and appropriately plan care for those diagnosed with T2D.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».