Lung cancer costs by treatment strategy and phase of care among patients enrolled in Medicare
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: We studied trends in lung cancer treatment cost over time by phase of care, treatment strategy, age, stage at diagnosis, and histology. METHODS: Using the Surveillance, Epidemiology, and End Results (SEER)-Medicare database for years 1998-2013, we allocated total and patient-liability costs into the following phases of care for 145 988 lung cancer patients: prediagnosis, staging, surgery, initial, continuing, and terminal. Patients served as self-controls to determine cancer-attributable costs based on individual precancer diagnosis healthcare costs. We fit linear regression models to determine cost by age and calendar year for each stage at diagnosis, histology, and treatment strategy and presented all costs in 2017 US dollars. RESULTS: Monthly healthcare costs prior to lung cancer diagnosis were $861 for a 70 years old in 2017 and rose by an average of $17 per year (P < 0.001). Surgery in 2017 cost $30 096, decreasing by $257 per year (P = 0.007). Chemotherapy and radiation costs remained stable or increased for most stage and histology groups, ranging from $4242 to $8287 per month during the initial six months of care. Costs during the final six months of life decreased for those who died of lung cancer or other causes. CONCLUSIONS: Cost-effectiveness analyses of lung cancer control interventions in the United States have been using outdated and incomplete treatment cost estimates. Our cost estimates enable updated cost-effectiveness analyses to determine the benefit of lung cancer control from a health economics point of view.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 découle