Healthcare utilization and costs associated with acute lymphoblastic leukemia in children with and without Down syndrome
Notice bibliographique
Résumé
BACKGROUND: Children with Down syndrome (DS) and acute lymphoblastic leukemia (ALL) are at increased risk of treatment-related morbidity and mortality compared to non-DS-ALL, requiring increased supportive care. We examined the healthcare utilization and costs in DS-ALL patients to inform future evaluations of novel therapies. METHODS: A provincial registry identified all children (1-17 years) diagnosed with B-lineage ALL in Ontario, Canada between 2002 and 2012. Detailed demographic, disease, treatment, and outcome data were abstracted. Linkage to population-based health services databases identified all outpatient and emergency department (ED) visits, hospitalizations, and physician billings. Healthcare utilization costs were available for patients diagnosed during 2006-2012 using validated algorithms (2018 Canadian dollars). Healthcare utilization rates and costs were compared between DS and non-DS patients using regression models, adjusting for all covariates. RESULTS: Of 711 patients, 28 (3.9%) had DS. Adjusting for all covariates, children with DS-ALL experienced substantially higher rates of ED visits (rate ratio [RR] 1.5, 95% confidence interval [95% CI]: 1.2-2.0; p = .001) and inpatient days (RR 2.5, 95% CI: 1.4-4.5; p = .002) compared to non-DS children. Outpatient visit rates were similar (RR 1.1, 95% CI: 0.9-1.3; p = .41). Among patients with available cost data (N = 533, DS = 19), median 5-year healthcare utilization cost was $247,700 among DS patients (interquartile range [IQR]: 200,900-354,500) and $196,200 among non-DS patients (IQR: 148,900-280,300; p = .02). In adjusted analyses, DS-associated costs were 50% higher (RR 1.5, 95% CI: 1.2-1.9; p < .002). CONCLUSIONS: Healthcare utilization and treatment costs of DS-ALL patients are substantially higher than those of non-DS-ALL. Our data provide a baseline for future DS-specific cost-effectiveness studies.
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 | 0,000 | 0,003 |
| 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 | 0,001 |
| 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 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 ».