Association of chronic pain with comorbidities and health care utilization: a retrospective cohort study using health administrative data
Notice bibliographique
Résumé
ABSTRACT: Health administrative data provide a potentially robust information source regarding the substantial burden chronic pain exerts on individuals and the health care system. This study aimed to use health administrative data to estimate comorbidity prevalence and annual health care utilization associated with chronic pain in Newfoundland and Labrador, Canada. Applying the validated Chronic Pain Algorithm to provincial Fee-for-Service Physician Claims File data (1999-2009) established the Chronic Pain (n = 184,580) and No Chronic Pain (n = 320,113) comparator groups. Applying the Canadian Chronic Disease Surveillance System coding algorithms to Claims File and Provincial Discharge Abstract Data (1999-2009) determined the prevalence of 16 comorbidities. The 2009/2010 risk and person-year rate of physician and diagnostic imaging visits and hospital admissions were calculated and adjusted using the robust Poisson model with log link function (risks) and negative binomial model (rates). Results indicated a significantly higher prevalence of all comorbidities and up to 4 times the odds of multimorbidity in the Chronic Pain Group (P-value < 0.001). Chronic Pain Group members accounted for 58.8% of all physician visits, 57.6% of all diagnostic imaging visits, and 54.2% of all hospital admissions in 2009/2010, but only 12% to 16% of these were for pain-related conditions as per recorded diagnostic codes. The Chronic Pain Group had significantly higher rates of physician visits and high-cost hospital admission/diagnostic imaging visits (P-value < 0.001) when adjusted for demographics and comorbidities. Observations made using this methodology supported that people identified as having chronic pain have higher prevalence of comorbidities and use significantly more publicly funded health services.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».