Management of Patients with Overactive Bladder in Brazil: A Retrospective Observational Study Using Data From the Brazilian Public Health System
Notice bibliographique
Résumé
INTRODUCTION: In Brazil, current data on the use of healthcare resources to manage individuals with overactive bladder (OAB) are lacking. This study aimed to characterize contemporary treatment and the economic burden among patients with OAB managed under the Brazilian public health system (Sistema Único de Saúde [SUS]). METHODS: Population-based data from January to December of 2015 were acquired from Brazil's public health database. Adults at least 18 years of age with an ICD-10 diagnostic code for OAB within the period were included. Records of outpatient visits, hospitalizations, and onabotulinumtoxinA injections were used to calculate estimates of resource use and costs (in Brazilian reals [R$]) among those with OAB (frequency [%] and mean (standard deviation [SD]) as appropriate). Patient identifiers were not available, so a record linkage methodology was used to match medical encounters to individuals. Pharmacologic management of OAB was informed by government medication purchases available from the official Brazilian government databases. RESULTS: During 2015, 26,640 patients with OAB were identified. All cohort members had at least one outpatient visit and 15,349 (57.6%) were hospitalized. Of the study cohort, 10.0% visited a general practitioner (GP), 41.3% visited a specialist, and 52.0% visited other non-medical healthcare practitioners within the year. Mean (SD) healthcare costs among the study cohort totaled R$355 (R$866) per patient per year; and were R$291 (R$654), R$27 (R$130), R$27 (R$30), and R$11 (R$17) for hospitalizations, GP, specialist, and non-medical healthcare practitioner visits per patient per year, respectively. Regional analysis of reported government medication purchases suggested that access to OAB treatments is highly limited. CONCLUSIONS: High resource use and costs were estimated among patients with OAB managed within the SUS. These data provide a snapshot of the management of patients with OAB in Brazil, with the patients seeking treatment under SUS likely representing a more burdened subpopulation.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».