Health Care Use, Costs, and Survival Trajectory of Home Mechanical Insufflation-Exsufflation
Notice bibliographique
Résumé
BACKGROUND: Despite expert recommendations for use, limited evidence identifies effectiveness of mechanical insufflation-exsufflation (MI-E) in addressing respiratory morbidity and resultant health care utilization and costs for individuals with neuromuscular disorders. We examined the impact of provision of publicly funded MI-E devices on health care utilization, health care costs, and survival trajectory. METHODS: This is a retrospective pre/post cohort study linking data on prospectively recruited participants using MI-E to health administrative databases to quantify outcomes. RESULTS: We linked data from 106 participants (8 age < 15 y) and determined annualized health care use pre/post device. We found no difference in emergency department (ED) visit or hospital admission rates. Following MI-E approval, participants required fewer hospital days (median [interquartile range] [IQR]) 0 [0–9] vs 0 [0–4], P = .03). Rates of physician specialist visits also decreased (median IQR 7 [4–11] vs 4 [2–7], P < .001). Conversely, rates of home care nursing and homemaking/personal support visits increased. Following MI-E, total costs were lower for 59.4%, not different for 13.2%, and higher for 27.4%. Physician billing costs decreased whereas home care costs increased. Regression modeling identified pre-MI-E costs were the most important predictor of costs after approval. At 12 months, 23 (21.7%) participants had died. Risk of death was higher for those using more medical devices (hazard ratio 1.12, [95% CI 1.02–1.22]) in the home. CONCLUSIONS: Provision of publicly funded MI-E devices did not influence rates of ED visits or hospital admission but did shift health care utilization and costs from the acute care to community sector. Although increased community costs negated cost savings from physician billings, evidence suggests costs savings from reduced hospital days and fewer specialist visits. Risk of death was highest in individuals requiring multiple medical technologies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».