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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».