Painful Neuropathic Disorders: An Analysis of the RéGie De L’Assurance Maladie du QuéBec Database
Notice bibliographique
Résumé
BACKGROUND/OBJECTIVE: Painful neuropathic disorders (PNDs) refer to neurological disorders involving nerves in which pain is a predominant symptom. In most cases, PNDs involve the peripheral nerves. Treatment of PNDs is likely to use large health care resources. However, little is known about the economic burden of PNDs in Canada. METHOD: The present study was performed using data from a random sample of patients covered by the Régie de l'Assurance Maladie du Quebec drug plan. Subjects with a diagnosis of a peripheral PND were identified. Comorbidities, pain-related medication use and resource utilization were compared between PND patients and control patients without PNDs matched for age and sex in a 1:1 ratio. RESULTS: A total of 4912 patients with PNDs were identified. A higher level of comorbidities was found in the PND group (Von Korff chronic disease score 3.91 versus 2.54; P<0.001). The proportion of users of pain-related medications was significantly higher in the PND cohort than in the control group (chi-squared; P<0.001). The average annual number of physician visits was also significantly higher in the PND group than in the control group (14.7 versus 6.4; P<0.001). From a health ministry perspective, costs of health care resources were significantly higher in the PND group (4,163 dollars versus 1,846 dollars; P<0.001). The proportion of potentially inappropriate medications was 34% among those 65 years of age or older. CONCLUSIONS: PNDs are associated with a higher level of comorbidities, higher medical resources utilization and higher health care costs than non-PND conditions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».