Economic burden and loss of quality of life from dry eye disease in Canada
Notice bibliographique
Résumé
OBJECTIVE: To describe the direct and indirect cost estimates of dry eye disease (DED), stratified by disease severity, and the impact of DED on quality of life (QoL) in Canadian patients. METHODS AND ANALYSIS: A prospective, multicentre, observational, cross-sectional study was conducted at six sites across Canada. Eligible patients completed a 20 min survey on demography, general health, disease severity, QoL and direct (resource utilisation and out-of-pocket expenses for the past 3-24 months) and indirect costs (absenteeism and presenteeism based on Work Productivity and Activity Impairment questionnaire responses). Subgroup analyses were performed according to DED severity and presence of Sjögren's syndrome. RESULTS: Responses from 146 of 151 participants were included in the analysis. DED was rated as moderate or severe by 19.2% and 69.2% of patients, respectively. Total mean annual costs of DED were $C24 331 (Canadian dollars) per patient and increased with patient-reported disease severity. Mean (standard deviation [SD]) indirect costs for mild, moderate and severe disease were $C5961 ($C6275), $C16 525 ($C11 607), and $C25 485 ($C22,879), respectively. Mean (SD) direct costs were $C958 ($C1216), $C1303 ($C1574) and $C2766 ($C7161), respectively. QoL scores were lowest in patients with Sjögren's syndrome (8.2% of cohort) and those with severe DED. CONCLUSION: This study provides important insights into the negative impact of DED in a Canadian setting. Severe DED was associated with higher direct and indirect costs and lower QoL compared with those with mild or moderate disease. Increased costs and poorer QoL were also evident for patients with DED plus Sjögren's syndrome versus DED alone.
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) | 0,001 | 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 ».