High-Cost Hospitalizations Among Elderly Patients With Cancer
Notice bibliographique
Résumé
PURPOSE: Health care costs are driven by a small proportion of patients, and it is important to identify their characteristics to effectively manage their health care needs. We examined characteristics associated with high-cost inpatient visits of elderly patients with cancer using a national sample. METHODS: We identified 574,367 inpatient visits of individuals age 65 years or older with a cancer diagnosis using the 2014 National Inpatient Sample data, an all-payer sample of inpatient stays in the United States. High-cost visits were defined as those with a total cost at or above the 90th percentile. The remaining visits were defined as the lower-cost group. We examined patients' clinical characteristics and hospital characteristics for both groups. Logistic regression was used to identify characteristics associated with being in the high-cost group. RESULTS: The median visit cost in the high-cost group was $38,194 (interquartile range, $31,405 to $51,802), which was nearly five times the cost of the lower-cost group (median, $8,257; interquartile range, $5,032 to $13,335). Hematologic malignancies were the most common cancer in the high-cost group. Those in the high-cost group were more likely to have metastatic cancer. Compared with patients with no comorbidities, those with five or more comorbidities were four times more likely to be in the high-cost group (odds ratio, 4.08; 95% CI, 3.74 to 4.46). Patients with a greater number of procedures were also more likely to be in the high-cost group (odds ratio, 1.57; 95% CI, 1.52 to 1.61). CONCLUSION: High-cost cancer visits were five times more expensive than the remaining visits. Identification of high-cost visits and the associated factors may help provide tailored strategies to effectively manage costly inpatient admissions.
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 | 0,001 | 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 | 0,002 |
| 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 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 ».