Societal economic burden of hypertension at selected hospitals in southern Ethiopia: a patient-level analysis
Notice bibliographique
Résumé
OBJECTIVES: There is inadequate information on the economic burden of hypertension treatment in Ethiopia. Therefore, this study was conducted to determine the societal economic burden of hypertension at selected hospitals in Southern Ethiopia. METHODS: Prevalence-based cost of illness study from a societal perspective was conducted. Disability-adjusted life years (DALYs) were determined by the current WHO's recommended DALY valuation method. Adjustment for comorbidity and a 3% discount was done for DALYs. The data entry, processing and analysis were done by using SPSS V.21.0 and Microsoft Excel V.2013. RESULTS: We followed a cohort of 406 adult patients with hypertension retrospectively for 10 years from September 2010 to 2020. Two hundred and fifty (61.6%) of patients were women with a mean age of 55.87±11.03 years. Less than 1 in five 75 (18.5%) of patients achieved their blood pressure control target. A total of US$64 837.48 direct cost was incurred due to hypertension. A total of 11 585 years and 579.57 years were lost due to hypertension-related premature mortality and morbidity, respectively. Treated and uncontrolled hypertension accounted for 50.83% (6027) of total years lost due to premature mortality from treated hypertension cohort. Total productivity loss due to premature mortality and morbidity was US$449 394.69. The overall economic burden of hypertension was US$514 232.16 (US$105.55 per person per month). CONCLUSION: Societal economic burden of hypertension in Southern Ethiopia was substantial. Indirect costs accounted for more than 8 out of 10 dollars. Treated and uncontrolled hypertension took the lion's share of economic cost and productivity loss due to premature mortality and morbidity. Therefore, designing and implanting strategies for the prevention of hypertension, early screening and detection, and improving the rate of blood pressure control by involving all relevant stakeholders at all levels is critical to saving scarce health resources.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».