Economic burden of knee and hip osteoarthritis in spain
Notice bibliographique
Résumé
OBJECTIVE: To estimate the direct and indirect osteoarthritis (OA)-attributable costs and predictors of costs of knee and hip OA in Spain. METHODS: This study included consecutive patients age > or = 50 years with symptomatic and radiologic knee and/or hip OA who were seen at primary care centers in all provinces of Spain. Information on demographics, health status (Short Form 12 Health Survey), comorbidities (Charlson Index), clinical (Western Ontario and McMaster Universities Osteoarthritis Index [WOMAC]) and radiologic OA severity (Kellgren/Lawrence [K/L] scale), data related to OA health resources utilization (medical and nonmedical), and subjects' and caregivers' expenses and time lost in the previous 6 months were collected in 2 separate, structured, and detailed interviews. Costs in euros were assigned using market prices and official sources if available, and were annualized (to 2007). The predictors of costs were assessed in multivariate regression models. Costs were log-transformed before being modeled. RESULTS: A total of 1,071 subjects were analyzed (74% women, mean +/- SD age 71 +/- 9 years). Average total annual costs were euro1,502 per patient. Direct costs accounted for 86% of the total cost. We estimated a national cost of euro4,738 million, representing 0.5% of the gross national product. Higher total costs were associated with comorbidity (Charlson Index odds ratio [OR] 1.27, 95% confidence interval [95% CI] 1.03-1.58), poorer health status (P < 0.050), worse WOMAC scores (OR 1.05, 95% CI 1.03-1.08), and grade 4 K/L scores (OR 1.76, 95% CI 1.15-2.69). CONCLUSION: The economic burden of knee and hip OA is substantial. Costs increased with comorbidity, poorer health status, and clinical and radiologic OA severity.
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 | 0,001 | 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 ».