Neuropsychiatric disorders in HIV infection: impact of diagnosis on economic costs of care
Notice bibliographique
Résumé
BACKGROUND: HAART is associated with a growing prevalence of HIV-associated neuropsychiatric disorders (NPD) despite improved overall survival. OBJECTIVE: To investigate the added direct costs of medical care for patients with and without NPD. METHODS: Nine dimensions of patient-specific costs [as costs per patient per month (CPM)] were followed prospectively between 1997 and 2003 in a community-based HIV/AIDS clinic for HIV-1-seropositive patients with a diagnosis of NPD (n = 188) and without (n = 153). Patients with NPD were stratified into subgroups of cognitive impairment (CI), peripheral neuropathies (PN), or other neuropsychiatric disorders (OND). RESULTS: Compared with the non-NPD group ($916), patients in the NPD group showed an increased mean CPM during the 12-month intervals immediately preceding and subsequently following NPD diagnosis [$1371 (P < 0.001) and 1463 US dollars (P < 0.001), respectively], but not at 18 months prior to diagnosis (1061 US dollars; P > 0.05). Intragroup comparisons between 12 month post-diagnosis and 18 month pre-diagnosis showed a mean CPM increased of 67% (1613 US dollars; P < 0.001) with CI, 31% (1490 US dollars; P < 0.01) with PN, and 33% (1362 US dollars; P < 0.01) with OND. Increased numbers of clinic and physician visits, non-antiretroviral drugs and home care accounted for the higher mean CPM (P < 0.05) both pre-and post-diagnosis within the NPD group. CONCLUSIONS: Neuropsychiatric disorders in patients with HIV/AIDS increase medical costs both before and after diagnosis, primarily owing to the management of the neuropsychiatric illness. Cost analyses offer useful measures of evolving patient needs, and provide a basis for allocation of healthcare resources.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».