Health care services utilization stratified by virological and immunological markers of HIV: evidence from a universal health care setting
Notice bibliographique
Résumé
OBJECTIVE: The aim of the study was to determine rates of utilization of in-patient, out-patient and laboratory services stratified by virological and immunological markers of HIV disease among patients on antiretroviral treatment in British Columbia, Canada. METHODS: We estimated resource utilization for in-patient visits, out-patient visits, and laboratory tests among patients initiating antiretroviral treatment between 1 April 1994 and 31 December 2000, with follow-up to 31 March 2001. Resource use was stratified by CD4 cell count and plasma HIV viral load (pVL) at the time of utilization and rates per 100 patient-years were calculated for each health care resource. RESULTS: A total of 2718 patients were included in our analyses. The overall rates of in-patient visits, out-patient visits, and laboratory tests were 902, 3001 and 840 per 100 patient-years, respectively. Utilization was higher for patients with low CD4 cell counts and high pVLs when compared with patients with high CD4 cell counts and low pVLs. CONCLUSIONS: Patients with low CD4 cell counts and high pVLs had the highest use of health care services. Regular follow-up with health care providers in an out-patient setting, allowing for proper monitoring and maintenance of HIV care, is important in minimizing unnecessary and potentially costly in-patient care.
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) | 0,001 | 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 ».