Issue with Evaluating Costs Over Time in a Context of Medical Guideline Changes: An Example in Myocardial Infarction Care Based on a Longitudinal Study from 1997 to 2018
Notice bibliographique
Résumé
BACKGROUND: Cost studies appear sporadically in the scientific literature and are rarely revised unless drastic technological advancements occur. However, health technologies and medical guidelines evolve over time. It is unclear if these changes render obsolete prior estimates. We examined this issue in a cost study in the context of patients' first myocardial infarction (MI), a clinical area prone to such continuous evolution in care. METHODS: We conducted a longitudinal cost analysis based on a Quebec cohort. Quebec health administrative databases were used to identify incident MI cases using diagnostic codes from the international classification of diseases (ICD-9 and ICD-10). Physician fees and hospitalization costs (ie, costs incurred by the hospital center) were derived from administrative databases and a university hospital's finance department. All costs were converted to 2019 Canadian dollars. Nonparametric bootstraps were used to estimate 95% confidence intervals (CI) of the average costs of an episode of care. Generalized linear regressions were used to examine temporal trends of cost. RESULTS: Our study sample consists of 261 patients hospitalized for a first MI. The average total cost for this first event was estimated at $5782 (95% CI: $5293 - $6373). Though total costs remained stable over time, physician fees increased by 123% ($1240 vs $2761) whereas total hospital length of stay dropped by 17% (6.6 vs 5.5 days) over the 21-year period. CONCLUSION: Patients' first MI hospitalization impose an economic burden on the healthcare system. Though overall costs remained stable, our results suggest that some cost components varied over time.
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 | 0,009 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 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 ».