Predictors of costs associated with radical cystectomy for bladder cancer: A population‐based retrospective cohort study in the province of Quebec, Canada
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: There is paucity of studies on the predictors of bladder cancer (BC) management costs. We aimed to determine predictors of costs associated with radical cystectomy (RC) for BC. METHODS: We conducted a retrospective analysis in a cohort of 2,759 patients who underwent RC for BC between 2000 and 2009. We analyzed predictors of pre-surgery, RC, post-surgery, and total costs. The following variables were considered as potential predictors: age, gender, hospital/surgeon case load, academic hospital, and geo-administrative region. Multivariate linear regression was used to determine predictors. RESULTS: Predictors of pre-surgery costs were: age (β = 808.64, P < 0.0001) and having surgery in an academic hospital (β = 511.42, P = 0.003). Increased RC costs were associated with age (β = 196.73, P = 0.0006), hospital/surgeon annual load (β = 484.45 and β = 254.21, P < 0.0001, respectively). Having surgery in academic hospitals and geographic region were significant predictors of low RC costs (β = -1085.82 and β = -449.31, P < 0.0001, respectively). Increasing age and the presence of post-operative complications were predictors of high post-operative costs (β = 623.48, β = 5781.44, P = 0.01, respectively), while hospital load was associated with low post-surgery costs (β = -949.79, P < 0.0001). CONCLUSION: Patients' age and surgery performed by high-volume health providers were predictive factors of high RC costs. Low RC costs were associated with surgeries performed in academic hospitals.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».