Regional variation in cost of neonatal intensive care for extremely preterm infants
Notice bibliographique
Résumé
Abstract Background Regional variation in cost of neonatal intensive care for extremely preterm infant is not documented. We sought to evaluate regional variation that may lead to benchmarking and cost saving. Methods An analysis of a Canadian national costing data from the payor perspective. We included all liveborn 23–28-week preterm infants in 2011–2015. We calculated variation in costs between provinces using non-parametric tests and a generalized linear model to evaluate cost variation after adjustment for gestational age, survival, and length of stay. Results We analysed 6932 infant records. The median total cost for all infants was $66,668 (Inter-Quartile Range (IQR): $4920–$125,551). Medians for the regions varied more than two-fold and ranged from $48,144 in Ontario to $122,526 in Saskatchewan. Median cost for infants who survived the first 3 days of life was $91,000 (IQR: $56,500–$188,757). Median daily cost for all infants was $1940 (IQR: $1518–$2619). Regional variation was significant after adjusting for survival more than 3 days, length of stay, gestational age, and year (pseudo-R 2 = 0.9, p < 0.01). Applying the model on the second lowest-cost region to the rest of the regions resulted in a total savings of $71,768,361(95%CI: $65,527,634–$81,129,451) over the 5-year period ($14,353,672 annually), or over 11% savings for the total program cost of $643,837,303 over the study period. Conclusion Costs of neonatal intensive care are high. There is large regional variation that persists after adjustment for length of stay and survival. Our results can be used for benchmarking and as a target for focused cost optimization, savings, and investment in healthcare.
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 | 0,006 |
| 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 | 0,000 |
| 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 ».