Economic costs of tobacco-related diseases in Hong Kong in 2021
Notice bibliographique
Résumé
BACKGROUND: Hong Kong has one of the lowest smoking prevalence both within China and among high-income economies. As tobacco use consistently declined over the past decades, we examine whether there are corresponding cost reductions. METHODS: Data were sourced from diverse population-wide datasets including government reports and public hospital records. Costs were calculated using Global Burden of Disease (GBD) 2019 risk estimates for active smoking. Direct costs encompassed public and private healthcare expenses, while indirect costs included the value of years of productive life lost, days off work due to active smoking or secondhand smoke exposure, and long-term care costs. FINDINGS: Active smoking accounted for 26.3% of deaths in people aged 35 or over. Healthcare costs amounted to US$342 million and US$45 million for active and secondhand smoking. Annual tobacco-related diseases reached US$1.27 billion (0.3% of 2021 Hong Kong GDP). Compared with previous methods, the analysis using GBD 2019 risk estimates showed a twofold increase in lives lost due to active smoking but a 31.0% decrease for secondhand smoking. INTERPRETATION: Past studies greatly underestimate the health burden of tobacco compared with more recent data on the wider risks. Despite a decline in smoking prevalence, the total costs associated with smoking have risen as utilisation shifts from primary care towards more expensive specialist care. The long-term health and economic impacts of tobacco use remain substantial even in regions of China that have now achieved low smoking prevalence.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
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 ».