Health Care Expenditures Among Individuals With Chronic Psychotic Disorders in Ontario: An Analysis Over Time
Notice bibliographique
Résumé
Chronic psychotic disorders are severe and disabling mental disorders associated with poor psychiatric and medical outcomes, and among the most costly mental disorders to treat. Understanding trends in aggregate health care expenditures over time, and respective drivers, can provide relevant insights for decision makers, namely around appropriate allocation of scarce resources within the health care sector. Using administrative health care times series data from Ontario, this analysis examined trends in aggregate public health care expenditures and activity from 2012 to 2019 among all individuals with a diagnosis of a chronic psychotic disorder. Total aggregate health care expenditures for individuals with a chronic psychotic disorder in Ontario increased at a moderate rate over this time period, in line with the growth of the number of people diagnosed, and thus not likely driven by unit costs or resource use. Psychiatric hospitalizations made up the largest share of health care expenditures (~30%). Nonetheless, among all health services, expenditures of acute medical hospitalizations, outpatient prescription drugs and home care saw the largest growth over time. Mean/per capita health care expenditures were greater for females, and increased with age as well as with the presence of comorbidities/chronic conditions. In particular, mean/per capita health care expenditures increased steadily with the number of comorbidities and were highest for individuals with 5 or more comorbidities and those with congestive heart failure, highlighting the ever-increasing importance of addressing physical health conditions among this patient population. These findings will have important implications for decision makers, namely around the appropriate allocation of health care resources for patients with chronic psychotic disorders. Future research should continue to monitor health care expenditures for individuals with chronic psychotic disorders as well as extend this analysis beyond 2019 to understand how the COVID-19 pandemic, and resulting lockdowns, has impacted aggregate health care expenditures and outcomes for patients living with chronic psychotic disorders.
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 | 0,001 | 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 | 0,001 |
| 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 ».