Comorbidities Are Associated with Altered Health Services Use in Multiple Sclerosis: A Prospective Cohort Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Persons with multiple sclerosis (MS) use health resources with greater frequency than the general population. However, little is known regarding which patient characteristics might contribute. OBJECTIVE: The study aimed to evaluate characteristics associated with healthcare use in MS patients. METHODS: Consecutive MS clinic attendees were recruited (September-November 2010), with clinical, demographic, and patient-completed questionnaires collected at 3 visits over 2 years. Linkage with administrative data (hospital, physician, and pharmacy records) provided healthcare use outcomes until December 31, 2013. Findings were reported as adjusted rate ratios (adjRRs) using negative binomial regression. RESULTS: A total of 340 MS patients with a mean (SD) age of 48.4 (12.0) years and subsequent follow-up of 3.1 (0.34) years were included. Fatigue and high physical comorbidity count (≥3 vs. none) were significantly associated with higher rates of physician encounters (adjRRs: 1.37 and 1.52, respectively), prescriptions filled (adjRRs: 1.25 and 1.40), and hospitalizations (adjRRs: 4.02 and 3.45). In addition, anxiety, disruptive pain, and perceived functional cognitive difficulties were associated with higher rates of physician encounters and prescriptions dispensed (adjRR ranged from 1.28 to 1.48). DISCUSSION: The presence of fatigue and higher physical comorbidity burden were associated with higher rates of health services use. Findings have implications for those examining healthcare burden or organizing health services for persons with MS.
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.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle