Predictors of cumulative cost for patients with severe aortic stenosis referred for surgical or transcatheter aortic valve replacement: a population-based study in Ontario, Canada
Notice bibliographique
Résumé
AIMS: Transcatheter aortic valve replacement (TAVR) as an alternative to surgical aortic valve replacement (SAVR) has transformed severe aortic stenosis (AS) management. Our aim was understand AS cost drivers from referral to 1-year post-procedure. METHODS AND RESULTS: We identified patients referred for either TAVR/SAVR between 1 April 2015 and 31 March 2018, with follow-up until 31 March 2019 in Ontario, Canada. We stratified costs into (i) a referral phase, (ii) a procedural phase from the procedure date to 60 days post-procedure, and (iii) post-procedure phase from 61 days to 1 year. Multivariable regression modelling using generalized linear models with a log link gamma distribution was used to identify cost drivers in each phase. The study cohort included 12 086 AS patients; 4832 were referred for TAVR and 7254 were referred for SAVR. The median cost for TAVR was higher than SAVR in the referral ($3593 vs. $2944) and post-procedural ($5938 vs. $3257) phases. In contrast, for the procedural phase, SAVR had a median cost of $29 756 vs. $27 907 for TAVR. Predictors of high cost in the referral phase were longer wait-time, and an urgent in-hospital procedure. In the procedural phase, procedural complications were the major drivers of higher cost. In the post-procedural phase, patient co-morbidities were the major drivers, specifically dialysis, liver disease, cancer, peripheral vascular disease, and diabetes mellitus. CONCLUSION: We identified distinct patterns of cost accumulation and modifiable drivers for SAVR compared with TAVR; these drivers may guide clinical and health policy decisions to make AS care more efficient.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».