Predictors of hospitalization in a Canadian MS population: A matched cohort study
Notice bibliographique
Résumé
OBJECTIVE: Hospitalizations are the most costly component of healthcare in Canada, and hospitalization rates are higher in the multiple sclerosis (MS) population compared to the general population. This study aimed to examine predictors of hospitalizations in the MS population in Saskatchewan, Canada. METHODS: This retrospective cohort study used population-based health administrative data from Saskatchewan, Canada from 1996 to 2016. Subjects with MS were identified using a validated definition (≥3 hospital, physician, or drug claims for MS). Up to five general population controls were identified for each MS case and matched on sex, age, and geographical location. The rate of hospitalizations and reason for admission were determined for each case and control. Negative binomial (hospitalization rate) and binary logistic (reason for admission) regression models fitted with generalized estimating equations were used to test the following potential predictors: sex, age, median household income, calendar year, prior hospitalizations, and comorbidity status. RESULTS: We identified 4,878 MS cases (11,744 hospitalizations), and 23,662 matched controls (32,541 hospitalizations). Higher comorbidity burden, older age, and prior hospital admissions were associated with an increased rate of all-cause hospitalizations for both cohorts. Males were more likely to be hospitalized than females for all-cause (adjusted rate ratio: 1.20; 95% CI: 1.07 - 1.34) and MS-specific (adjusted odds ratio: 1.34; 95% CI 1.15 - 1.55) hospitalizations. The rate of MS-specific hospitalizations decreased with age, and there was no association with comorbidity or prior hospitalizations. A diagnosis of MS was associated with decreased odds of hospitalization due to neoplasms, diseases of the circulatory system, and mental health and behavioural disorders. CONCLUSION: Increased age, comorbidity, and prior hospital admissions are predictors of all-cause hospitalizations. Conversely, MS-related hospitalizations decreased as subjects aged, and there was no association with comorbidity. Our results highlight that reasons for hospitalizations can differ by age, and clinicians should consider this when managing patients, as they make efforts to reduce hospitalizations in the MS population.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».