Economic Impact of the Clinical Benefits of Bariatric Surgery in Diabetes Patients With BMI ≥35 kg/m<sup>2</sup>
Notice bibliographique
Résumé
The medical costs for a type 2 diabetes patient are two to four times greater than the costs for a patient without diabetes. Bariatric surgery is the most effective weight-loss therapy and has marked therapeutic effects on diabetes. We estimate the economic effect of the clinical benefits of bariatric surgery for diabetes patients with BMI ≥ 35 kg/m². Using an administrative claims database of privately insured patients covering 8.5 million lives 1999-2007, we identify obese patients with diabetes, aged 18-65 years, who were treated with bariatric surgery identified using Healthcare Common Procedure Coding System codes. These patients were matched with nonsurgery control patients on demographic factors, comorbidities, and health-care costs. The overall return on investment (RoI) associated with bariatric surgery was calculated using multivariate analysis. Surgery and control patients were compared postindex with respect to diagnostic claims for diabetes, diabetes medication claims, and adjusted diabetes medication and supply costs. Surgery costs were fully recovered after 26 months for laparoscopic surgery. At month 6, 28% of surgery patients had a diabetes diagnosis, compared to 74% of control patients (P < 0.001). Among preindex insulin users, insulin use dropped to 43% by month 3 for surgery patients, vs. 84% for controls (P < 0.001). By month 1, medication and supply costs were significantly lower for surgery patients (P < 0.001). The therapeutic benefits of bariatric surgery on diabetes translate into considerable economic benefits. These data suggest that surgical therapy is clinically more effective and ultimately less expensive than standard therapy for diabetes patients with BMI ≥ 35 kg/m².
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 | 0,001 |
| 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 ».