Economic burden of Huntington disease in Europe and the USA: Results from the Huntington's Disease Burden of Illness study
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: The prevalence of Huntington disease (HD) has increased over time; however, there is a lack of up-to-date evidence documenting the economic burden of HD by disease stage. This study provides an estimate of the annual direct medical, nonmedical, and indirect costs associated with HD from participants in the Huntington's Disease Burden of Illness (HDBOI) study in five European countries and the USA. METHODS: The HDBOI is a retrospective, cross-sectional study. Data collection was conducted between September 2020 and May 2021. Participants were recruited by their HD-treating physicians and categorized as early stage (ES), mid stage (MS), or advanced stage (AS) HD. Data were collected via three questionnaires: a case report form, completed by physicians who collected health care resource use associated with HD to compute direct medical cost, and optional patient and caregiver questionnaires, which included information used to compute nondirect medical and indirect costs. Country-specific unit cost sources were used. RESULTS: HDBOI cost estimates were €12,663 (n = 2094) for direct medical costs, €2984 (n = 359) for nondirect medical costs, and €47,576 (n = 436) for indirect costs. Costs are higher in patients who are at later stages of disease; for example, direct medical costs estimates were €9220 (n = 846), €11,885 (n = 701), and €18,985 (n = 547) for ES, MS, and AS, respectively. Similar trends were observed for nondirect and indirect costs. Costs show large variations between patients and countries. CONCLUSIONS: Cost estimates from the HDBOI study show that people with HD and their caregivers bear a large economic burden that increases as disease progresses.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».