MétaCan
Menu
← Retour à la cohorte
Enregistrement W2606338355 · doi:10.23889/ijpds.v1i1.166

A six-year trend of the healthcare cost of arthritis in a population-based cohort of older women

2017· article· en· W2606338355 sur OpenAlexaff
TKT Lo, Lynne Parkinson, Michelle Cunich, Julie Byles

Notice bibliographique

RevueInternational Journal for Population Data Science · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPharmaceutical Benefits SchemeMedicineHealth carePercentileCohortPopulationMedical prescriptionStatisticsEnvironmental healthNursingEconomics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT ObjectivesTo examine the trend of the healthcare cost of arthritis in a population-based cohort of older women and to estimate the mean adjusted incremental healthcare costs, and selected percentiles. ApproachThis is a healthcare cost study based on individual-level data. Data included health survey and linked administrative data, from 2003 to 2009, from the Australian Longitudinal Study on Women’s Health. The Medicare Australia datasets include the Pharmaceutical Benefits Scheme (unit record data on claims for government-subsidized prescription medicines) and the Medicare Benefits Schedule (listing of health services subsidized by the Australian Government) datasets; they were the source for all healthcare utilization and cost data in this study. The main outcome measure was the incremental healthcare cost of arthritis (estimated from the Australian Government’s cost perspective) expressed as dollars per person per year. All costs were expressed in 2012 Australian dollars. Regression models were used to estimate the adjusted incremental costs of arthritis. The mean adjusted incremental healthcare cost of arthritis was computed using GLMs with a logarithmic-link function and a gamma distribution for costs. The adjusted incremental costs at the 25th, 50th, 75th, 90th and 95th percentiles were computed using Quantile Regression. These percentiles were chosen because cost data are skewed to the right and it was expected that there would be smaller differences between the lower percentiles but bigger differences between upper adjacent percentiles. ResultsData from 4287 women were included in the analysis. Adjusted incremental healthcare cost of arthritis did not increase significantly from 2003 to 2009. However, there were indications that costs at the lower percentiles decreased slightly over the study period while costs at higher (above 50th) percentiles increased. The estimated median cost was $480 (95% CI: $498 - $759) per person per year in 2009. However, ten percent of women had more than 300% higher cost than the “average person” with arthritis. ConclusionHealthcare cost of arthritis represents a substantial burden. However, considering only overall cost does not provide a detailed picture of expenditure. Our results suggest that higher cost patients had different experiences in arthritis cost over time, compared to patients with lower costs, although overall cost has not increased over time. As healthcare spending is concentrated in the high-cost patients, characterising these patients and formulating initiatives that target them could have a considerable impact on improving care and lowering health expenditure due to arthritis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,314
Tête enseignante GPT0,486
Écart entre enseignants0,173 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data Science→Même sujetHealth Systems, Economic Evaluations, Quality of Life→Travaux en français237 207→