Cost-effectiveness of a high-intensity rapid access outpatient stroke rehabilitation program
Notice bibliographique
Résumé
A common strategy to improve cost-effectiveness in healthcare is to offer outpatient care instead of in-hospital care. Toronto Rehabilitation Institute developed an outpatient high-intensity fast-track (FT) stroke rehabilitation program aimed at discharging inpatient stroke rehabilitation patients earlier or bypassing inpatient rehabilitation altogether. This cost-effectiveness analysis compares FT rehabilitation within 1 week of discharge with no FT in a single healthcare payer system. Patient costs and outcomes over a 12-week time horizon were included. Using individual-level FT data from April 2015 to March 2016, incremental cost-effectiveness ratios (ICERs) (with 95% confidence interval) were estimated using regression. Subgroup analysis was completed for patients entering FT directly from inpatient rehabilitation and acute stroke care. Uncertainty was assessed using a cost-effectiveness acceptability curve with a range of willingness-to-pay values ($0-1000 per inpatient day saved). ICER (95% confidence interval) estimate for patients entering FT from inpatient rehabilitation was $404 ($270-620) per inpatient day saved. ICER estimate for direct from acute care admissions was $37 ($20-55) per day saved. At willingness-to-pay of $698 (cost of one alternate level of care day in acute care awaiting rehabilitation), the probability of FT being cost-effective was 99.2 and 100% for patients from inpatient rehabilitation and acute stroke care, respectively. From a single healthcare payer perspective, FT is a cost-effective method of providing appropriate rehabilitation intensity for stroke patients early on, and likely to provide savings to the healthcare system upstream through fewer days awaiting rehabilitation admission.
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».