MétaCan
Menu
Retour à la cohorte
Enregistrement W2222933325 · doi:10.1377/hlthaff.2015.0278

Patients With High Mental Health Costs Incur Over 30 Percent More Costs Than Other High-Cost Patients

2016· article· en· W2222933325 sur OpenAlexaffabout
Claire de Oliveira, Joyce Cheng, Simone N. Vigod, Jürgen Rehm, Paul Kurdyak

Notice bibliographique

RevueHealth Affairs · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensWomen's College HospitalCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésMental healthHealth careMedicinePsychological interventionTotal costPopulationEnvironmental healthFamily medicineNursingPsychiatryBusiness

Résumé

récupéré en direct d'OpenAlex

A small proportion of health care users, called high-cost patients, account for a disproportionately large share of health care costs. Most literature on these patients has focused on the entire population. However, high-cost patients whose use of mental health care services is substantial are likely to differ from other members of the population. We defined a mental health high-cost patient as someone for whom mental health-related services accounted for at least 50 percent of total health care costs. We examined these patients' health care utilization and costs in Ontario, Canada. We found that their average cost for health care, in 2012 Canadian dollars, was $31,611. In contrast, the cost was $23,681 for other high-cost patients. Mental health high-cost patients were younger, lived in poorer neighborhoods, and had different health care utilization patterns, compared to other high-cost patients. These findings should be considered when implementing policies or interventions to address quality of care for mental health patients so as to ensure that mental health high-cost patients receive appropriate care in a cost-effective manner. Furthermore, efforts to manage mental health patients' health care use should address their complex profile through integrated multidisciplinary health care delivery.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,093
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,003

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.

Tête enseignante Opus0,083
Tête enseignante GPT0,359
Écart entre enseignants0,276 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations75
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth AffairsMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207