Costs of early spondyloarthritis: estimates from the first 3 years of the DESIR cohort
Notice bibliographique
Résumé
OBJECTIVES: To value health resource utilisation and productivity losses in DESIR, a longitudinal French cohort of 708 patients with early spondyloarthritis (SpA) enrolled between 2007 and 2010, and identify factors associated with costs in the first 3 years of follow-up. METHODS: Self-reported clinical data from DESIR and French public data were used to value health resource utilisation and productivity losses in 2013 Euros. Factors associated with costs, including and excluding biological drugs, were identified in generalised linear models using the generalised estimating equations algorithm to account for repeated observations over participants. RESULTS: The mean (±SD) annual cost per patient was €5004±6870 in year 1, decreasing to €4961±7457 in year 3. Patients who never received a biologic had mean 3-year total costs of €4789±6022 compared to €38 206±19 829 among those who received a biologic. Factors associated with increased total costs were peripheral arthritis (rate ratio (RR) 1.19; 95% CI 1.04 to 1.37; p<0.0001), time on biologics (RR 1.23 per month; 1.21, 1.24; p<0.0001), and average BASFI score (RR 1.18/10 point increase; 1.15, 1.25; p<0.0001). Factors associated with increased costs excluding biologics were baseline age (RR 1.10 per 5 year increase; 1.05, 1.16; p<0.0001), peripheral arthritis (RR 1.20; 1.02, 1.40; p<0.0133), time on biologics (RR 1.04 per month; 1.02, 1.05; p<0.0001), and average BASDAI score (RR 1.21 per 10 point increase; 1.16, 1.25; p<0.0001). CONCLUSIONS: In addition to biologics, factors like age, peripheral arthritis and disease activity independently increase SpA-related costs. This study may serve as a benchmark for cost of illness among patients with early SpA in the biologic era.
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 ».