Detailed cost analysis of care for survivors of severe sepsis
Notice bibliographique
Résumé
OBJECTIVES: The objectives of our study were to accurately describe the costs and resources required to treat survivors of severe sepsis subsequent to hospital discharge and to determine what factors influenced these costs. DESIGN: Observational cohort study. SETTING: Three regional intensive care units. PATIENTS: Patients with severe sepsis admitted to one of three regional intensive care units in southern Alberta between April 1, 1996, and March 31, 1999. INTERVENTIONS: None. MEASUREMENTS AND MAIN RESULTS: Patients were identified using an intensive care unit research database; all survivors were followed prospectively for 3 yrs. Information on baseline patient characteristics, including acuity of illness (Acute Physiology and Chronic Health Evaluation II scores) and Charlson comorbidity scores, was collected. Costs considered included all episodes of inpatient and outpatient care and all physician claims. Of 787 patients who were admitted with severe sepsis, 502 survived to hospital discharge and were followed. Subsequent mean cost of care for years 1, 2, and 3 was CAN$20,855, $7,139 and $7,091, respectively. Using various regression models, the Acute Physiology and Chronic Health Evaluation II score and the Charlson comorbidity score were the only factors that consistently predicted higher healthcare costs in the first year after hospital discharge. Diabetes was the comorbid condition that best predicted subsequent cost. CONCLUSIONS: Cost of care for survivors of severe sepsis was highest in the first year after hospital discharge. Acuity of illness and patient comorbidity were the main determinants of cost. In assessing whether new therapeutic innovations for intensive care unit patients with severe sepsis are cost-effective, an accurate estimate of the cost of subsequent health care for survivors treated with and without the new intervention will be important.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».