The association between pediatric chronic pain clinic attendance and health care utilization: A retrospective analysis
Notice bibliographique
Résumé
BACKGROUND: Pediatric chronic pain is common, disabling, and costly. Children with chronic pain have high health care utilization in that they are seen by multiple health care providers, have frequent emergency room visits, and require many diagnostic tests. Pediatric health care utilization relating to direct health care services and associated costs of attendance at chronic pain clinics in Canada has not been well described. AIM: The purpose of this project was to analyze the cost of physician services for individuals attending an interprofessional pediatric chronic pain clinic over an 8-year span including years before, during, and after treatment. METHODS: Physician claims were extracted from the Ontario Health Insurance Plan (OHIP) Claims History Database and retrospectively reviewed over 8 fiscal years for 100 new patients seen at the Chronic Pain Clinic at the Hospital for Sick Children. The utilization metrics analyzed included physician consultations and follow-up appointments, emergency room visits, lab tests, and diagnostic imaging. These data reflected 2 years prior to the first chronic pain clinic appointment, year of initial appointment, and five subsequent years. RESULTS: Health care utilization based on OHIP claims related to physician services and cost analysis showed an increase during the 2 years prior to first chronic pain clinic appointment, a decrease during the year of initial appointment, and a further decrease over the subsequent 5 years. CONCLUSIONS: Further prospective research is required to establish whether attendance at the chronic pain clinic caused the reduction in health care services and costs and, if so, to identify the effective components of treatment.
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 | 0,012 | 0,004 |
| 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 ».