Distribution and drivers of costs in type 2 diabetes mellitus treated with oral hypoglycemic agents: a retrospective claims data analysis
Notice bibliographique
Résumé
OBJECTIVE: To describe the distribution of costs and to identify the drivers of high costs among adult patients with type 2 diabetes mellitus (T2DM) receiving oral hypoglycemic agents. METHODS: T2DM patients using oral hypoglycemic agents and having HbA1c test data were identified from the Truven MarketScan databases of Commercial and Medicare Supplemental insurance claims (2004-2010). All-cause and diabetes-related annual direct healthcare costs were measured and reported by cost components. The 25% most costly patients in the study sample were defined as high-cost patients. Drivers of high costs were identified in multivariate logistic regressions. RESULTS: Total 1-year all-cause costs for the 4104 study patients were $55,599,311 (mean cost per patient = $13,548). Diabetes-related costs accounted for 33.8% of all-cause costs (mean cost per patient = $4583). Medical service costs accounted for the majority of all-cause and diabetes-related total costs (63.7% and 59.5%, respectively), with a minority of patients incurring >80% of these costs (23.5% and 14.7%, respectively). Within the medical claims, inpatient admission for diabetes-complications was the strongest cost driver for both all-cause (OR = 13.5, 95% CI = 8.1-23.6) and diabetes-related costs (OR = 9.7, 95% CI = 6.3-15.1), with macrovascular complications accounting for most inpatient admissions. Other cost drivers included heavier hypoglycemic agent use, diabetes complications, and chronic diseases. LIMITATIONS: The study reports a conservative estimate for the relative share of diabetes-related costs relative to total cost. The findings of this study apply mainly to T2DM patients under 65 years of age. CONCLUSIONS: Among the T2DM patients receiving oral hypoglycemic agents, 23.5% of patients incurred 80% of the all-cause healthcare costs, with these costs being driven by inpatient admissions, complications of diabetes, and chronic diseases. Interventions targeting inpatient admissions and/or complications of diabetes may contribute to the decrease of the diabetes economic burden.
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) | 0,001 | 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 ».