Resource utilization and direct medical costs in adult systemic lupus erythematosus patients from a commercially insured population
Notice bibliographique
Résumé
OBJECTIVE: Our aim was to estimate annual health care resource use and medical costs associated with systemic lupus erythematosus (SLE) in a large US managed care health plan. METHODS: Subjects at least 18 years of age and with claims-based evidence of SLE (ICD-9-CM 710.0x) were identified from a health plan database. Subjects were matched on the basis of demographic and clinical characteristics to unaffected controls. Resource use and costs were determined during a fixed 12-month period. A generalized linear model (GLM) was used to adjust costs for demographic and clinical characteristics. RESULTS: In total, 1278 newly diagnosed SLE subjects were matched to 3834 controls, and 10,152 subjects with existing SLE were matched to 30,456 controls. Health care resource use was significantly higher among SLE subjects than matched controls, including average annual numbers of ambulatory visits, specialist visits, and inpatient hospital stays (all p < 0.001). SLE subjects had significantly higher overall mean annual medical costs than matched controls (newly diagnosed: $19,178 vs. $4909; existing: $15,487 vs. $5156; both p < 0.001). Evidence of specific organ involvement including renal failure and central nervous system complications, were each associated with increased costs (both p < 0.001). CONCLUSIONS: Subjects with SLE have high resource use and medical costs relative to controls.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».