Cost analysis of Medical Assistance in Dying legalisation in Greece: Preliminary Findings and Limitations
Notice bibliographique
Résumé
Introduction: Medical Assistance in Dying (MAiD) is a complex and sensitive topic that raises ethical, political, legal, religious, and economic concerns. Despite this, an increasing number of countries, offer assisted dying options. The economic implications of legalising MAiD, including the costs and savings, have become a central issue in the discussions of legalising MAiD. Objective and Aim: The objective of this study was to analyze the expenses and potential monetary savings associated with the potential legalisation in Greece. This analysis aims to provide valuable insights for policymakers to make informed decisions. Materials & Methods: We estimated MAiD savings using Emanuel and Battin's model and real-world data from Canada, the Netherlands, and Belgium. MAiD is projected to cause 1%-4% of deaths, with 65% being cancer patients and 35% being non-cancer patients. Direct costs were estimated using Canada's procedure, EOPYY reimbursements, and expert opinion. End-of-life costs were calculated using limited Greek evidence and logical assumptions, with multiple sensitivity analyses due to data uncertainty. Results: MAiD accounts for 4% of deaths in the high-level scenario, with 5613 end-of-life patients choosing it, 3646 of whom have cancer. In the 1% scenario, 912 patients with cancer choose MAiD, totaling 1403 patients. MAiD could reduce healthcare spending by €6.560.230 million in the high scenario, with costs at the highest sensitivity level. In the low scenario, potential savings are €806.598. The estimated gross savings average at €4.592.279 million, surpassing the average direct costs of implementation at €908.865. Interpretation: Legalizing MAiD in Greece would not result in any additional financial burden but would only have a modest net financial benefit of about 0.5% of overall healthcare spending. More complete data on end-of-life costs is necessary for a thorough economic evaluation, given the current limitations. Therefore, it's crucial to prioritize examining ethical considerations while carefully weighing financial implications before legalising MAiD.
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 | 0,004 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».