Impact of socioeconomic status on end-of-life costs: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Socioeconomic inequalities in access to, and utilization of medical care have been shown in many jurisdictions. However, the extent to which they exist at end-of-life (EOL) remains unclear. METHODS: Studies in MEDLINE, EMBASE, CINAHL, ProQuest, Web of Science, Web of Knowledge, and OpenGrey databases were searched through December 2019 with hand-searching of in-text citations. No publication date or language limitations were set. Studies assessing SES (e.g. income) in adults, correlated to EOL costs in last year(s) or month(s) of life were selected. Two independent reviewers performed data abstraction and quality assessment, with inconsistencies resolved by consensus. RESULTS: A total of twenty articles met eligibility criteria. Two meta-analyses were performed on studies that examined total costs in last year of life - the first examined costs without adjustments for confounders (n = 4), the second examined costs that adjusted for confounders, including comorbidities (n = 2). Among studies which did not adjust for comorbidities, SES was positively correlated with EOL costs (standardized mean difference, 0.13 [95% confidence interval, 0.03 to 0.24]). However, among studies adjusting for comorbidities, SES was inversely correlated with EOL expenditures (regression coefficient, -$150.94 [95% confidence interval, -$177.69 to -$124.19], 2015 United States Dollars (USD)). Higher ambulatory care and drug expenditure were consistently found among higher SES patients irrespective of whether or not comorbidity adjustment was employed. CONCLUSION: Overall, an inequality leading to higher end-of-life expenditure for higher SES patients existed to varying extents, even within countries providing universal health care, with greatest differences seen for outpatient and prescription drug costs. The magnitude and directionality of the relationship in part depended on whether comorbidity risk-adjustment methodology was employed.
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 | 0,016 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,041 |
| Bibliométrie | 0,011 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».