MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410276154 · doi:10.1164/ajrccm.2025.211.abstracts.a7402

Evaluating the Long-Term Cost-Effectiveness of a Government Rebate Program for Air Cleaners in Preventing Asthma in British Columbia, Canada

2025· article· en· W4410276154 sur OpenAlexaffabout
Sak Lee, Amin Adibi, Amanda Giang, Chris Carlsten, Naman Paul, Emily Brigham, K.M. Johnson

Notice bibliographique

RevueAmerican Journal of Respiratory and Critical Care Medicine · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensBC Centre for Disease ControlUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineAsthmaTerm (time)Government (linguistics)Medical emergencyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Abstract RATIONALE: With the increasing frequency and severity of wildfires across North America, exposure to fine particulate matter (PM2.5) has become a growing health concern due to its links to asthma incidence, poor asthma control, and exacerbations. Population-level mitigation measures are necessary to reduce these asthma-related health impacts. METHODS: We developed a time-varying Markov model to evaluate the cost-effectiveness of air cleaner rebates aimed at reducing asthma burden in the general population of British Columbia (BC), Canada, where the prevalence of asthma is 12.7%. We used published concentration-response functions and a 31% infiltration ratio for air cleaners to evaluate the impact of reduced PM2.5 exposure on asthma incidence, control, moderate-severe exacerbations, and death over a 25-year time horizon (2012-2036). Monthly historical ambient PM2.5 concentrations (2012-2022) were obtained using the Canadian Optimized Statistical Smoke Exposure Model. Projected monthly PM2.5 (2023-2036) were determined from chemical transport models and calculated as the sum of PM2.5 from anthropogenic emissions and the fraction of total PM2.5 attributable to wildfires (2018-2023 average), adjusted by climate scaling factors (0%, 4.2% and 8.4%, separate scenarios), representing possible wildfire PM2.5 increases by 2036. We calculated the incremental cost-effectiveness ratio (ICER) for government rebates covering 100% of the cost of air cleaners and replacement cost every 5 years. We assumed air cleaners would be operated continuously in households with children ≥5 years and adults ≥35 years (separate cohorts). We reported results in 16 Health Service Delivery Areas (HSDA). RESULTS: The ICER for a full government rebate on air cleaners varied from $158,219 per Quality-Adjusted Life Year (QALY) with a 0% scaling factor to $126,370 per QALY with an 8.4% scaling factor. Kootenay Boundary was the only HSDA where the ICER ($40,101/QALY, $42,190/QALY, and $45,943/QALY, at 0%, 4.2%, and 8.4% scaling factors, respectively) remained under the $50,000/QALY willingness-to-pay threshold. Province-wide, the program would prevent 18,432 new cases of asthma, 16,671 moderate exacerbations, 2,795 emergency room visits, and 1,723 hospitalizations over 25 years. In comparison, the child cohort demonstrated better cost-effectiveness and cases prevented ($107,102/QALY, 10,697 cases prevented) compared to the adult cohort ($148,380/QALY, 7,735 cases prevented). CONCLUSIONS: Government rebates for air cleaners in the general population may be a cost-effective strategy in reducing asthma incidence and related health complications in BC, particularly in regions with high wildfire activity. Our study highlights the potential of preventive interventions in addressing environmental challenges.

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)0,005
score de la tête « metaresearch » (Gemma)0,012
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 enseignants0,074
Score d'incertitude au seuil0,538

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0030,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,036
Tête enseignante GPT0,394
Écart entre enseignants0,357 · 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Respiratory and Critical Care Medicine→Même sujetAir Quality and Health Impacts→Travaux en français237 207→