Cost-Benefit Analysis of Internet Therapeutic Intervention on Patients With Diabetes
Notice bibliographique
Résumé
BACKGROUND: With the emergence of IBGMS for allowing for patients to communicate their self-monitored blood glucose (SMBG) readings with their health care providers, their impact on the management of diabetes is becoming well-supported with regards to clinical benefits. Their impact on healthcare costs, however, has yet to be investigated. This study aims to determine the cost-benefits of such interventions in comparison to routine care. OBJECTIVES: To analyze the cost-benefit of an Internet Blood Glucose Monitoring Service (IBGMS) in comparison to routine diabetes care. PATIENTS AND METHODS: 200 patients were surveyed to assess the cost associated with doctor appointments in the past 12 months. Annual number of visits to medical services for diabetes and costs of transportation, parking, and time taken off work for visits were surveyed. Self-reported frequency of SMBG and most recent A1C were also surveyed. We compared 100 patients who used the IBGMS with 100 patients who only used routine care. RESULTS: There is a trend of lowered total cost in the intervention group compared to the control group. The control group spent $210.89 per year on visits to physicians; the intervention group spent $131.26 (P = 0.128). Patients in control group visited their endocrinologist 1.76 times per year, those in intervention group visited their endocrinologist 1.36 times per year, significantly less frequently than the control group (P = 0.014). Number of visits to other medical services is similar between the groups. Average A1C in intervention group is 7.57%, in control group is 7.69% (P = 0.309). CONCLUSIONS: We have demonstrated that IBGMS, while not reaching statistical significance, may be associated with slightly reduced A1C and cost due to visiting physicians.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».