MétaCan
Menu
Retour à la cohorte
Enregistrement W82352668 · doi:10.5694/j.1326-5377.2004.tb06263.x

The potential for tobacco control to reduce PBS costs for smoking‐related cardiovascular disease

2004· article· en· W82352668 sur OpenAlexaff
Susan F. Hurley, Michelle Scollo, Sandra Younie, Dallas R. English, Maurice Swanson

Notice bibliographique

RevueThe Medical Journal of Australia · 2004
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensInro Consultants (Canada)
Organismes subventionnairesCancer Council VictoriaVicHealth
Mots-clésSubsidyEnvironmental healthTobacco controlMedicinePsychological interventionPublic healthEconomics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To estimate Pharmaceutical Benefits Scheme (PBS) subsidies for drugs to treat smoking-related cardiovascular disease (CVD) in 2001-02, and over the period of the government's Intergenerational Report (IGR), assuming current smoking prevalence rates and a 5% absolute reduction. DESIGN AND SETTING: An Australian epidemiological study, using prescribing data, aetiological fraction methodology, and IGR trends. MAIN OUTCOME MEASURES: Estimated smoking-related PBS subsidy costs in 2001-02 and predicted cumulative subsidies until 2041-42, under current and reduced smoking prevalence assumptions. RESULTS: The PBS costs of smoking-related CVD in 2001-02 were $126 million, 9.77% of the cost of drugs for CVD and 2.96% of total PBS subsidies. The cumulative difference in these costs over the 40-year period with a 5% drop in smoking prevalence was predicted to be $4.5 billion, a 17% reduction. The saving would be $1.14 billion discounting future costs at 5% per year. CONCLUSIONS: Further investment in tobacco control interventions could curb the increasing cost of the PBS and contribute to government efforts to ensure the viability of Australia's healthcare-financing programs. The net present value of a campaign to reduce smoking prevalence was estimated at $1 billion, with an internal rate of return of 33%.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,033
score de la tête « metaresearch » (Gemma)0,012
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,556
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0330,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,191
Tête enseignante GPT0,417
Écart entre enseignants0,226 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations6
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Medical Journal of AustraliaMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207