MétaCan
Menu
Retour à la cohorte
Enregistrement W2727137167 · doi:10.1093/geroni/igx004.222

SENIOR HIGH COST HEALTHCARE USERS: HOW DO THEY DIFFER?

2017· article· en· W2727137167 sur OpenAlexaffabout
Janice Lee, S. Muratov, Jean‐Éric Tarride, Michael J. Paterson, Tara Gomes, Wayne Khuu, Anne Holbrook

Notice bibliographique

RevueInnovation in Aging · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensCentre for Advancing Health OutcomesSt. Michael's HospitalInstitute for Clinical Evaluative SciencesSt. Joseph’s Healthcare HamiltonPrograms for Assessment of Technology in Health Research InstituteMcMaster UniversityHamilton Health Sciences
Organismes subventionnairesnon disponible
Mots-clésMedicinePolypharmacyHealth careMedical prescriptionPopulationTotal costPsychological interventionEmergency medicineCohortPrescription drugFamily medicineDemographyEnvironmental healthIntensive care medicineInternal medicineNursingBusiness

Résumé

récupéré en direct d'OpenAlex

High cost users (HCUs) are a small proportion of the population that use disproportionate healthcare resources. In 2011, 5% of the population in Ontario, Canada accounted for 65% ($19.8 billion) of provincial health expenditures. Understanding HCU multi-morbidity and drug use is required to target interventions to improve clinical outcomes and contain healthcare costs. This study aimed to compare senior HCUs to non-HCUs based on demographics, co-morbidities, medication use, health service utilization, clinical outcomes and costs. We conducted a retrospective population-based matched cohort analysis of incident senior HCUs defined as Ontarians age ≥ 66 years in the top 5% of total healthcare costs in FY2013. Healthcare and prescription drug utilization data were obtained from health administrative databases. The primary outcomes were annual total healthcare expenditures per patient, total drug costs per patient and drug-to-total healthcare expenditure ratio. Secondary outcomes were one-year mortality and hospitalization rate. Senior HCUs (n=176,604) accounted for $4.9 billion in total healthcare expenditures and $433 million in medication costs in FY2013. Compared to non-HCUs (n=529,812) on a per patient basis, HCUs incurred higher total healthcare costs ($27,697 vs. $2233) and higher medication costs ($2453 vs. $842). HCUs were characterized by greater polypharmacy (>5 medications, 87.7% vs. 47.6%) and multi-morbidity (median John Hopkins Expanded Diagnosis Clusters [EDCs], 14 vs. 10). HCUs had higher annual mortality (10.39% vs. 0.72%) and hospitalization rates (3.20 vs. 0.06 hospitalizations per 1000 person-years). Compared to non-HCUs, senior HCUs are frail, multi-morbid and vulnerable. The contribution of prescribing and medication utilization quality deserves further study.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,057
Score d'incertitude au seuil0,113

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
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 Opus0,097
Tête enseignante GPT0,323
Écart entre enseignants0,226 · 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

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInnovation in AgingMême sujetHealthcare Policy and ManagementTravaux en français237 207