The Burden of Tuberculosis Disease in Ontario: A Health Technology Assessment Approach to Inform Policy and Resource Allocation
Notice bibliographique
Résumé
Despite being both preventable and curable, tuberculosis (TB) remains a persistent public health concern in Ontario, with nearly 1,000 new cases reported in 2024. The burden of disease falls disproportionately on newcomers to Canada, with 79% of reported cases occurring among individuals born outside the country. While clinical management is well defined, there remains limited understanding of the full economic impact of TB across the health system, for individuals, and at the societal level. This dissertation aimed to address this gap using a multi-method approach to estimate the costs associated with TB disease in Ontario.The first study was a scoping review of model-based economic evaluations in low-incidence settings. It found that most studies focused narrowly on medical interventions, with limited attention to non-medical interventions despite their established importance in TB prevention and control. The second study used linked population-based administrative data and a matched cohort design to estimate TB-attributable health care costs across defined phases of care, generating generalizable cost estimates specific to the Ontario context. In the third study, a cross-sectional survey captured out-of-pocket costs and productivity-related outcomes among people receiving TB treatment at two centres in Toronto, highlighting the financial burden experienced even within a universal health care system. The final study developed a model-based cost-of-illness analysis to estimate the lifetime costs of TB from the health system, patient, and societal perspectives. By capturing costs from multiple perspectives, this work highlights opportunities to tailor interventions that reduce the financial burden for different payers. Together, these studies provide a comprehensive assessment of the economic burden of TB in Ontario. They demonstrate the value of integrating administrative data, patient-reported outcomes, and decision-analytic modeling to inform evidence-based decision-making. This work contributes to the broader use of health technology assessment to address the economic dimensions of communicable disease control in low-incidence, high-resource settings.
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 | 0,029 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,012 | 0,016 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».