The Effect of Initiation of Anti-TNF Therapy on the Subsequent Direct Health Care Costs of Inflammatory Bowel Disease
Notice bibliographique
Résumé
BACKGROUND: Anti-tumor necrosis factor (anti-TNF) drugs are highly effective in the treatment of moderate-to-severe Crohn's disease (CD) and ulcerative colitis (UC), but they are very costly. Due to their effectiveness, they could potentially reduce future health care spending on other medical therapies, hospitalization, and surgery. The impact of downstream costs has not previously been quantified in a real-world population-based setting. METHODS: We used the University of Manitoba IBD Database to identify all persons in a Canadian province with CD or UC who received anti-TNF therapy between 2004 and 2016. All inpatient, outpatient, and drug costs were enumerated both in the year before anti-TNF initiation and for up to 5 years after anti-TNF initiation. Costs before and after anti-TNF initiation were compared, and multivariate linear regression analyses were performed to look for predictors of higher costs after anti-TNF initiation. RESULTS: A total of 928 people with IBD (676 CD, 252 UC) were included for analyses. The median cost of health care in the year before anti-TNF therapy was $4698 for CD vs $6364 for UC. The median cost rose to $39,749 and $49,327, respectively, in the year after anti-TNF initiation, and to $210,956 and $245,260 in the 5 years after initiation for continuous anti-TNF users. Inpatient and outpatient costs decreased in the year after anti-TNF initiation by 12% and 7%, respectively, when excluding the cost of anti-TNFs. CONCLUSIONS: Direct health care expenditures markedly increase after anti-TNF initiation and continue to stay elevated over pre-initiation costs for up to 5 years, with only small reductions in the direct costs of non-drug-related health care.
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) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».