MétaCan
Menu
Retour à la cohorte
Enregistrement W1970963099 · doi:10.1177/135245850000600207

Cost and health related quality of life consequences of multiple sclerosis

2000· article· en· W1970963099 sur OpenAlexaffabout
Daniel Grima, George W. Torrance, G. Francis, G Rice, Andrew Rosner, Louise Lafortune

Notice bibliographique

RevueMultiple Sclerosis Journal · 2000
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensLondon Health Sciences CentreMcMaster UniversityNexus Clinical Research (Canada)
Organismes subventionnairesTeva Pharmaceutical Industries
Mots-clésMultiple sclerosisMedicineQuality of life (healthcare)Health carePhysical therapyQuality-adjusted life yearExpanded Disability Status ScaleCost effectivenessPsychiatryNursing

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To (i) quantify the cost of multiple sclerosis (MS) to the Canadian health care system and society; (ii) measure health utility in MS patients, and (iii) examine the influence of disability on patient utility and health care costs. MATERIALS AND METHODS: A comprehensive patient survey and chart review of relapsing MS patients in remission, relapse and recalling a relapse. RESULTS: Annual remission costs increased with EDSS level ($7596 at EDSS 1, $33 206 at EDSS 6). At all EDSS levels the largest costs were due to inability to work, which increased with EDSS. The average relapse cost for all EDSS levels was $1367. An inverse correlation was found between EDSS level and patient utility for patients in remission and relapse. The decrease in remission health utility from EDSS 1 to 6 was 0.24, which is 25% greater than the difference in health status between an average 25 and 85 year-old. CONCLUSIONS: This study demonstrates that MS produces substantial health care costs and reductions in patient quality of life and ability to work, losses that can be avoided or delayed if disease progression is slowed. These data provide health-care decision-makers with the opportunity to consider the full impact of MS when faced with budget allocation decisions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,356
Tête enseignante GPT0,382
Écart entre enseignants0,026 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations149
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMultiple Sclerosis JournalMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207