The Health Economics of the spinal cord injury or disease among veterans of war: A systematic review
Notice bibliographique
Résumé
CONTEXT: Information on health-care utilization and the economic burden of disease are essential to understanding service demands, service accessibility, and practice patterns. This information may also be used to enhance the quality of care through altered resource allocation. Thus, a systematic review of literature on the economic impact of caring for SCI/D veterans would be of great value. OBJECTIVE: To systematically review and critically appraise the literature on the economics of the management of veterans with SCI/D. METHODS: Medline, EMBASE and PsycINFO databases were searched for articles on economic impact of management of SCI/D veterans, published from 1946 to September/2016. The STROBE statement was used to determine publication quality. RESULTS: The search identified 1,573 publications of which 13 articles fulfilled the inclusion/exclusion criteria with 12 articles focused on costs of management of SCI/D veterans; and, one cost-effectiveness analysis. Overall, the health care costs for the management of SCI/D veterans are substantial ($30,770 to $62,563 in 2016 USD per year) and, generally, greater than the costs of caring for patients with other chronic diseases. The most significant determinants of the higher total health-care costs are cervical level injury, complete injury, time period (i.e. first year post-injury and end-of-life year), and presence of pressure ulcers. CONCLUSIONS: There is growing evidence for the economic burden of SCI/D and its determinants among veterans, whereas there is a paucity of comparative studies on interventions including cost-effectiveness analyses. Further investigations are needed to fulfill significant knowledge gaps on the economics of caring for veterans with SCI/D.
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 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 | 0,008 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».