Pain-related health care costs for long-term care residents
Notice bibliographique
Résumé
BACKGROUND: We tested for differences in direct health care costs among long-term care (LTC) residents age 65 and older with clinically significant pain (CSP) and with no pain or non-daily mild pain (NP/NDMP). We are not aware of any other large scale investigation that examined the cost of pain in LTC environments. METHODS: Population-based administrative health data from Saskatchewan, Canada for 2004 to 2015 were used to compare direct health care costs for CSP and NP/NDMP groups up to one year after admission to LTC. Total accumulated costs for hospitalization, physician services, LTC, and prescription drugs were calculated in 2015 Canadian dollars. Group differences were tested using generalized linear models with generalized estimating equations. RESULTS: Amongst 24,870 LTC residents, 8289 (33.3%) were censored due to death or discharge in the 365-day study observation period. Of the 16,581 (66.7%) observed residents, 5683 (34.3%) had CSP at admission. Residents (66.3% female) had a mean age of 85 years (SD = 7.4). The mean annual total direct health care cost per resident was higher among the CSP group (CAD $8063) than the NP/NDMP group (CAD $6455). This difference was found even after including LTC costs, and for each cost component (i.e., CSP residents had higher hospitalization, physician, and prescription drug costs). Similar results were obtained after controlling for demographics, comorbidities, physical and cognitive impairment, prior health care costs, and facility characteristics. CONCLUSION: The higher costs incurred by CSP residents compared to NP/NDMP residents are likely underestimated because pain problems are often missed in residents with dementia, who comprise a large portion of the LTC population. Improved pain care can reduce such costs and improve quality of life.
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) | 0,000 | 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 ».