Notice bibliographique
Résumé
We aimed to identify “high-cost” patients with HIV (PWH) and determine drivers behind higher costs. All PWH at the Southern Alberta HIV Clinic, Canada, and active in 2017 were included. Sociodemographic, clinical, and healthcare utilization data were collected. The direct care costs from the payers’ perspective including antiretroviral drugs (ARV), outpatient visits, and hospital admissions were determined for 2017. Patients’ annual total costs were grouped into top 5% (i.e., high-cost), top 20%, middle 60%, and bottom 20%. High-cost patients were older, Caucasian or indigenous Canadian, and more likely acquired HIV from intravenous drug use (all p < 0.05). High-cost patients had lower nadir CD4, more comorbidities, missed more clinic appointments, had more ARV interruptions, and developed more ARV resistance ( p < 0.01). The overall median cost of HIV care was US$14,064 [IQR US$13,121–US$17,883] (2017 Cdn$). High-cost patients had a median cost of US$29,902 [IQR US$27,229–US$37,891] and accounted for 14% of total costs and 84% of all inpatient costs. Hospitalizations constituted 58% of costs for high-cost patients. Although heterogeneous, high-cost patients have distinct sociodemographic and clinical characteristics driving their healthcare utilization. Addressing these social determinants of health and using novel ARV administration approaches may preserve health and save costs.
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 | 0,001 |
| 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) | 0,001 | 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 ».