International comparison of health spending and utilization among people with complex multimorbidity
Notice bibliographique
Résumé
OBJECTIVE: The objective of this study was to explore cross-country differences in spending and utilization across different domains of care for a multimorbid persona with heart failure and diabetes. DATA SOURCES: We used individual-level administrative claims or registry data from inpatient and outpatient health care sectors compiled by the International Collaborative on Costs, Outcomes, and Needs in Care (ICCONIC) across 11 countries: Australia, Canada, England, France, Germany, the Netherlands, New Zealand, Spain, Sweden, Switzerland, and the United States (US). DATA COLLECTION/EXTRACTION METHODS: Data collected by ICCONIC partners. STUDY DESIGN: We retrospectively analyzed age-sex standardized utilization and spending of an older person (65-90 years) hospitalized with a heart failure exacerbation and a secondary diagnosis of diabetes across five domains of care: hospital care, primary care, outpatient specialty care, post-acute rehabilitative care, and outpatient drugs. PRINCIPAL FINDINGS: Sample sizes ranged from n = 1270 in Spain to n = 21,803 in the United States. Mean age (standard deviation [SD]) ranged from 76.2 (5.6) in the Netherlands to 80.3 (6.8) in Sweden. We observed substantial variation in spending and utilization across care settings. On average, England spent $10,956 per person in hospital care while the United States spent $30,877. The United States had a shorter length of stay over the year (18.9 days) compared to France (32.9) and Germany (33.4). The United States spent more days in facility-based rehabilitative care than other countries. Australia spent $421 per person in primary care, while Spain (Aragon) spent $1557. The United States and Canada had proportionately more visits to specialist providers than primary care providers. Across almost all sectors, the United States spent more than other countries, suggesting higher prices per unit. CONCLUSION: Across 11 countries, there is substantial variation in health care spending and utilization for a complex multimorbid persona with heart failure and diabetes. Drivers of spending vary across countries, with the United States being the most expensive country due to high prices and higher use of facility-based rehabilitative care.
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 | 0,000 |
| 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) | 0,001 | 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 ».