Analysis of postdischarge costs following emergent general surgery in elderly patients
Notice bibliographique
Résumé
Background: As populations age, more elderly patients will undergo surgery. Frailty and complications are considered to increase in-hospital cost in older adults, but little is known on costs following discharge, particularly those borne by the patient. We examined risk factors for increased cost and the type of costs accrued following discharge in elderly surgical patients. Methods: Acute abdominal surgery patients aged 65 years and older were prospectively enrolled. We assessed baseline clinical characteristics, including Clinical Frailty Scale (CFS) scores. We calculated 6-month cost (in Canadian dollars) from patient-reported use following discharge according to the validated Health Resource Utilization Inventory. Primary outcomes were 6-month overall cost and cost for health care services, medical products and lost productive hours. Outcomes were log-transformed and assessed in multivariable generalized linear and zero-inflated negative binomial regressions and can be interpreted as adjusted ratios (AR). Complications were assessed according to Clavien–Dindo classification. Results: We included 150 patients (mean age 75.5 ± 7.6 yr; 54.1% men) in our analysis; 10.8% had major and 43.2% had minor complications postoperatively. The median 6-month overall cost was $496 (interquartile range $140–$1948). Disaggregated by cost type, frailty independently predicted increasing costs of health care services (AR 1.76, 95% confidence interval [CI] 1.43–2.18, p < 0.001) and medical products (AR 1.61, 95% CI 1.15–2.25, p = 0.005), but decreasing costs in lost productive hours (AR 0.39, p = 0.002). Complications did not predict increased cost. Conclusion: Frail patients accrued higher health care services and product costs, but lower costs from lost productive hours. Interventions in elderly surgical patients should consider patient-borne cost in older adults and lost productivity in less frail patients. Trial registration NCT02233153 (clinicaltrials.gov).
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».