Meilleure estimation du fardeau que représentent les facteurs de risque de maladie chronique pour la santé et l'économie au Manitoba
Bibliographic record
Abstract
Introduction L'estimation du fardeau global que représentent les facteurs de risque multiples au sein d'une population présente certains défis d'ordre analytique. Nous décrivons une méthodologie permettant de tenir compte des facteurs de risque se chevauchant dans certaines sous-populations et entraînant un « double compte » des maladies et du fardeau économique qu'ils engendrent. Méthodologie Notre démarche permet d'analyser avec précision le fardeau économique global des maladies chroniques dans un cadre multifactoriel tout en tenant compte de l'incidence du poids en tant qu'exposition continue ou polytomique (allant de l'absence d'excédent de poids au surpoids et à l'obésité). Nous appliquons cette méthode au tabagisme, à l'inactivité physique et au surpoids et à l'obésité à la province du Manitoba (Canada). Résultats En 2008, le fardeau économique global annuel des facteurs de risque au Manitoba était d'environ 1,6 milliard de dollars (557 millions pour le tabagisme, 299 millions pour l'inactivité physique et 747 millions pour le surpoids et l'obésité). Le fardeau total représente un rajustement à la baisse de 12,6 % lorsqu'on tient compte de l'effet des facteurs de risque multiples chez certaines personnes. Conclusion Une meilleure estimation du fardeau économique global des facteurs de risque multiples au sein d'une population peut faciliter l'établissement des priorités et améliorer le soutien aux initiatives de prévention primaire.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".