Patterns of relapse and associated cost burden in schizophrenia patients receiving atypical antipsychotics
Notice bibliographique
Résumé
OBJECTIVE: To identify relapse in schizophrenia and the main cost drivers of relapse using a cost-based algorithm. METHODS: Multi-state Medicaid data (1997-2010) were used to identify adults with schizophrenia receiving atypical antipsychotics (AP). The first schizophrenia diagnosis following AP initiation was defined as the index date. Relapse episodes were identified based on (1) weeks during the ≥2 years post-index associated with high cost increase from baseline (12 months before the index date) and (2) high absolute weekly cost. A compound score was then calculated based on these two metrics, where the 54% of patients associated with higher cost increase from baseline and higher absolute weekly cost were considered relapsers. Resource use and costs of relapsers during baseline and relapse episodes were compared using incidence rate ratios (IRRs) and bootstrap methods. RESULTS: In total, 9793 relapsers were identified with a mean of nine relapse episodes per patient. Duration of relapse episodes decreased over time (mean [median]; first episode: 34 [4] weeks; remaining episodes: 8 [1] weeks). Compared with baseline, resource utilization during relapse episodes was significantly greater in pharmacy, outpatient, and institutional visits (hospitalizations, emergency department visits), with IRRs ranging from 1.9-2.4 (all p < 0.0001). Correspondingly, relapse was associated with a mean (95% CI) incremental cost increase of $2459 ($2384-$2539) per week, with institutional visits representing 53% of the increase. LIMITATIONS: Relapsers and relapse episodes were identified using a cost-based algorithm, as opposed to a more clinical definition of relapse. In addition, their identification was based on the assumption from literature that ~54% of schizophrenia patients will experience at least one relapse episode over a 2-year period. CONCLUSIONS: Significant cost increases were observed with relapse in schizophrenia, driven mainly by institutional visits.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».