Modelling clinical progression and health care utilization of <scp>HIV</scp>‐positive patients in <scp>B</scp>ritish <scp>C</scp>olumbia prior to death
Notice bibliographique
Résumé
OBJECTIVES: The extent to which clinical progression of HIV-positive patients leads to an increase in health care utilization, especially prior to their death, is unknown. Thus, we modelled trends in CD4 cell count and emergency department utilization and the likelihood of an emergency department visit leading to a transfer to an acute care-level facility prior to a patient's death from nonaccidental causes. METHODS: Eligible patients initiated highly active antiretroviral therapy (HAART) in British Columbia between August 1996 and June 2006 (n = 457). Patients were followed until their death, which occurred on or before 30 June 2007 (period in which the emergency department visit data were available). Trends were modelled using generalized mixed effects. RESULTS: Patients experienced a significantly steep decline in CD4 cell count and a corresponding increase in the number of emergency department visits and transfers to acute-level facilities in the 5 years prior to death. For every 6-month interval prior to death, the CD4 cell count decreased by 13.22 cells/μL, the risk of experiencing an emergency department visit increased by 9%, and among those ever admitted, the odds ratio of being transferred to an acute care-level facility increased by 3%. CONCLUSIONS: We showed that patients experienced a steep decline in CD4 cell count, which was associated with an increase in health care utilization prior to their death. These findings highlight the substantial residual avoidable burden that unsuccessfully managed HIV disease poses, even in the HAART era. Further strategies to enhance sustained and successful engagement in care are urgently needed to mitigate high health care utilization.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».