Infection-related health care utilization among people with and without multiple sclerosis
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: Little is known about infection risk in multiple sclerosis (MS). OBJECTIVE: We examined infection-related health care utilization in people with and without MS. METHODS: Using population-based health administrative data from British Columbia, Canada, people with MS were followed from their first demyelinating claim (1996-2013) until death, emigration, or study end (2013). Infection-related hospital, physician, and prescription data of MS cases were compared with sex-, age-, and geographically matched controls using adjusted regression models. Sex and age differences (18-39, 40-49, 50-59, 60+ years) were explored. RESULTS: Relative to 35,837 controls, 7179 MS cases were over twice as likely to be hospitalized for infection (adjusted odds ratio: 2.39; 95% confidence interval (CI): 2.16-2.65), had 41% more physician visits (adjusted rate ratio (aRR): 1.41; 95% CI: 1.36-1.47), and filled 57% more infection-related prescriptions (aRR: 1.57; 95% CI: 1.49-1.65). Utilization was disproportionately higher in MS men than women and was elevated across all ages. MS cases had nearly twice as many physician visits and two to three times more hospitalizations for pneumonia, urinary system infections, and skin infections (aRRs ranged from 1.6 to 3.3) and over twice as many hospitalizations for intestinal infections (aRR = 2.6) and sepsis (aRR = 2.2). CONCLUSION: Infection-related health care utilization was increased in people with MS across all age groups, with a higher burden for men.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle