SLE patients with renal damage incur higher health care costs
Notice bibliographique
Résumé
OBJECTIVES: To compare costs and quality of life (QoL) between SLE patients with and without renal damage. METHODS: Seven hundred and fifteen patients were surveyed semi-annually over 4 yrs on health care use and productivity loss and annually on QoL. Cumulative direct and indirect costs (2006 Canadian dollars) and QoL (average annual change in SF-36) were compared between patients with and without renal damage [Systemic Lupus International Collaborating Clinics/ACR Damage Index (SLICC/ACR DI)] using simultaneous regressions. RESULTS: At study conclusion, for patients with the renal subscale of the SLICC/ACR DI = 0 (n = 634), 1 (n = 54), 2 (n = 15) and 3 (n = 12), mean 4-yr cumulative direct costs per patient (95% CI) were $20,337 ($18,815, $21,858), $27,869 ($19,230, $36,509), $51,191 ($23,463, $78,919) and $99,544 ($57,102, $141,987), respectively. In a regression where the renal subscale of the SLICC/ACR DI was a single indicator variable, on average (95% CI), each unit increase in renal damage was associated with a 24% (15%, 33%) increase in direct costs. In a regression where each level in the renal subscale was an indicator variable, patients with end-stage renal disease incurred 103% (65%, 141%) higher direct costs than those without renal damage. Cumulative indirect costs and annual change in the SF-36 summary scores did not differ between patients. CONCLUSIONS: SLE patients with renal damage incurred higher direct costs, but did not experience a poorer QoL. QoL may be more influenced by concurrent renal activity than accumulated renal damage, which can occur at any time and patients may gradually habituate to their compromised health state.
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 | 0,000 | 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 ».