Factors contributing to high-cost hospital care for patients with COPD
Notice bibliographique
Résumé
Chronic obstructive pulmonary disease (COPD) is a leading cause of hospital admission, the fifth leading cause of death in North America, and is estimated to cost $49 billion annually in North America by 2020. The majority of COPD care costs are attributed to hospitalizations; yet, there are limited data to understand the drivers of high costs among hospitalized patients with COPD. In this study, we aimed to determine the patient and hospital-level factors associated with high-cost hospital care, in order to identify potential targets for the reorganization and planning of health services. We conducted a retrospective cohort study at a Canadian academic hospital between September 2010 and 2014, including adult patients with a first-time admission for COPD exacerbation. We calculated total costs, ranked patients by cost quintiles, and collected data on patient characteristics and health service utilization. We used multivariable regression to determine factors associated with highest hospital costs. Among 1,894 patients included in the study, the mean age was 73±12.6 years, median length of stay was 5 (interquartile range 3-9) days, mortality rate was 7.8% (n=147), and 9% (n=170) required intensive care. Hospital spending totaled $19.8 million, with 63% ($12.5 million) spent on 20% of patients. Factors associated with highest costs for COPD care included intensive care unit admission (odds ratio [OR] 32.4; 95% confidence interval [CI] 20.3, 51.7), death in hospital (OR 2.6; 95% CI 1.3, 5.2), discharge to long-term care facility (OR 5.7; 95% CI 3.5, 9.2), and use of the alternate level of care designation during hospitalization (OR 23.5; 95% CI 14.1, 39.2). High hospital costs are driven by two distinct groups: patients who require acute medical treatment for severe illness and patients with functional limitation who require assisted living facilities upon discharge. Improving quality of care and reducing cost in this high-needs population require a strong focus on early recognition and management of functional impairment for patients living with chronic disease.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».