Projections of non-communicable disease and health care costs among HIV-positive persons in Italy and the U.S.A.: A modelling study
Notice bibliographique
Résumé
BACKGROUND: Country-specific forecasts of the growing non-communicable disease (NCD) burden in ageing HIV-positive patients will be key to guide future HIV policies. We provided the first national forecasts for Italy and the Unites States of America (USA) and quantified direct cost of caring for these increasingly complex patients. METHODS AND SETTING: We adapted an individual-based model of ageing HIV-positive patients to Italy and the USA, which followed patients on HIV-treatment as they aged and developed NCDs (chronic kidney disease, diabetes, dyslipidaemia, hypertension, non-AIDS malignancies, myocardial infarctions and strokes). The models were parameterised using data on 7,469 HIV-positive patients from the Italian Cohort Naïve to Antiretrovirals Foundation Study and 3,748 commercially-insured patients in the USA and extrapolated to national level using national surveillance data. RESULTS: The model predicted that mean age of HIV-positive patients will increase from 46 to 59 in Italy and from 49 to 58 in the USA in 2015-2035. The proportion of patients in Italy and the USA diagnosed with ≥1 NCD is estimated to increase from 64% and 71% in 2015 to 89% and 89% by 2035, respectively, driven by moderate cardiovascular disease (CVD) (hypertension and dyslipidaemia), diabetes and malignancies in both countries. NCD treatment costs as a proportion of total direct HIV costs will increase from 11% to 23% in Italy and from 40% to 56% in the USA in 2015-2035. CONCLUSIONS: HIV patient profile in Italy and the USA is shifting to older patients diagnosed with multiple co-morbidity. This will increase NCD treatment costs and require multi-disciplinary patient management.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».