A 3-year study of high-cost users of health care
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Characterizing high-cost users of health care resources is essential for the development of appropriate interventions to improve the management of these patients. We sought to determine the concentration of health care spending, characterize demographic characteristics and clinical diagnoses of high-cost users and examine the consistency of their health care consumption over time. METHODS: We conducted a retrospective analysis of all residents of Ontario, Canada, who were eligible for publicly funded health care between 2009 and 2011. We estimated the total attributable government health care spending for every individual in all health care sectors. RESULTS: More than $30 billion in annual health expenditures, representing 75% of total government health care spending, was attributed to individual costs. One-third of high-cost users (individuals with the highest 5% of costs) in 2009 remained in this category in the subsequent 2 years. Most spending among high-cost users was for institutional care, in contrast to lower-cost users, among whom spending was predominantly for ambulatory care services. Costs were far more concentrated among children than among older adults. The most common reasons for hospital admissions among high-cost users were chronic diseases, infections, acute events and palliative care. INTERPRETATION: Although high health care costs were concentrated in a small minority of the population, these related to a diverse set of patient health care needs and were incurred in a wide array of health care settings. Improving the sustainability of the health care system through better management of high-cost users will require different tactics for different high-cost populations.
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.
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 | 0,001 | 0,001 |
| 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) | 0,003 | 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 découle