The Health Care Cost of Dying: A Population-Based Retrospective Cohort Study of the Last Year of Life in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: Coordinated and appropriate health care across sectors is an ongoing challenge, especially at the end-of-life. Population-level data on end-of-life health care use and cost, however, are seldom reported across a comprehensive array of sectors. Such data will identify the level of care being provided and areas where care can be optimized. METHODS: This retrospective cohort study identified all deaths in Ontario from April 1, 2010 to March 31, 2013. Using population-based health administrative databases, we examined health care use and cost in the last year of life. RESULTS: Among 264,755 decedents, the average health care cost in the last year of life was $53,661 (Quartile 1-Quartile 3: $19,568-$66,875). The total captured annual cost of $4.7 billion represents approximately 10% of all government-funded health care. Inpatient care, incurred by 75% of decedents, contributed 42.9% of total costs ($30,872 per user). Physician services, medications/devices, laboratories, and emergency rooms combined to less than 20% of total cost. About one-quarter used long-term-care and 60% used home care ($34,381 and $7,347 per user, respectively). Total cost did not vary by sex or neighborhood income quintile, but were less among rural residents. Costs rose sharply in the last 120 days prior to death, predominantly for inpatient care. INTERPRETATION: This analysis adds new information about the breadth of end-of-life health care, which consumes a large proportion of Ontario's health care budget. The cost of inpatient care and long-term care are substantial. Introducing interventions that reduce or delay institutional care will likely reduce costs incurred at the end of life.
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 | 0,001 |
| 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 ».