Health care costs matter: a review of nutrition economics – is there a role for nutritional support to reduce the cost of medical health care?
Notice bibliographique
Résumé
Background and aims: As policy-makers assess the value of money spent on health care, research in the field of health economics is expanding rapidly. This review covers a period of 10 years and seeks to characterize the publication of papers at the intersection of health economics and nutrition. Methods: Relevant publications on nutrition care were identified in the medical literature databases using predetermined search criteria. These included nutritional interventions linked to health economic terms with inclusion criteria requiring original research that included clinical outcomes and cost analyses, subjects’ ages ≥18 years, and publications in English between January 2004 and October 2014. Results: Of the 5,646 publications identified in first-round searches, 274 met the specified inclusion criteria. The number of publications linking nutrition to economic outcomes has increased markedly over the 10-year period, with a growing number of studies in both developed and developing countries. Most studies were undertaken in Europe (39%) and the USA and Canada (28%). The most common study setting was hospital (62%) followed by community/noninstitutional care (30%). Of all the studies, 12% involved the use of oral nutritional supplements, and 13% involved parenteral nutrition. The economic outcomes consistently measured were medical care costs (53% of the studies), hospital length of stay (48%), hospital readmission rates (9%), and mortality (25%). Conclusion: The number of publications focused on the economics of nutrition interventions has increased dramatically in recent years. Studies have demonstrated that malnutrition can increase the costs of care and length of hospital stay while corresponding studies show that nutrition interventions can help lower the cost of health care by decreasing the incidence of complications and speeding recovery. As populations age, policies that lead to wider adoption of screening, assessment, and treatment of malnutrition will be important to improve health economic outcomes. Keywords: economics of nutrition interventions, reducing health care costs through nutrition
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 | 0,007 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,010 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».