Trends in the Economic Burden of Chronic Liver Diseases and Cirrhosis in the United States: 1996–2016
Notice bibliographique
Résumé
INTRODUCTION: The management of chronic liver diseases (CLDs) and cirrhosis is associated with substantial healthcare costs. We aimed to estimate trends in national healthcare spending for patients with CLDs or cirrhosis between 1996 and 2016 in the United States. METHODS: National-level healthcare expenditure data developed by the Institute for Health Metrics and Evaluations for the Disease Expenditure Project and prevalence of CLDs and cirrhosis derived from the Global Burden of Diseases Study were used to estimate temporal trends in inflation-adjusted US healthcare spending, stratified by setting of care (ambulatory, inpatient, emergency department, and nursing care). Joinpoint regression was used to evaluate temporal trends, expressed as annual percent change (APC) with 95% confidence intervals (CIs). Drivers of change in spending for ambulatory and inpatient services were also evaluated. RESULTS: Total expenditures in 2016 were $32.5 billion (95% CI, $27.0-$40.4 billion). Over 65% of spending was for inpatient or emergency department care. From 1996 to 2016, there was a 4.3%/year (95% CI, 2.8%-5.8%) increase in overall healthcare spending for patients with CLDs or cirrhosis, driven by a 17.8%/year (95% CI, 14.5%-21.6%) increase in price and intensity of hospital-based services. Total healthcare spending per patient with CLDs or cirrhosis began decreasing after 2008 (APC -1.7% [95% CI, -2.1% to -1.2%]), primarily because of reductions in ambulatory care spending (APC -9.1% [95% CI, -10.7% to -7.5%] after 2011). DISCUSSION: Healthcare expenditures for CLDs or cirrhosis are substantial in the United States, driven disproportionately by acute care in-hospital spending.
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 | 0,000 |
| 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 ».