Multimorbidity and out-of-pocket expenditure on medicine in Europe: Longitudinal analysis of 13 European countries between 2013 and 2015
Notice bibliographique
Résumé
Background Many European Health Systems are implementing or increasing levels of cost-sharing for medicine in response to the growing constrains on public spending on health despite their negative impact on population health due to delay in seeking care. Objective This study aims to examine the relationships between multimorbidity (two or more coexisting chronic diseases, CDs), complex multimorbidity (three or more CDs impacting at least three different body systems), and out-of-pocket expenditure (OOPE) for medicine across European nations. Methods This study utilized data on participants aged 50 years and above from two recent waves of the Survey of Health, Aging, and Retirement in Europe conducted in 2013 (n = 55,806) and 2015 (n = 51,237). Pooled cross-sectional and longitudinal study designs were used, as well as a two-part model, to analyse the association between multimorbidity and OOPE for medicine. Results The prevalence of multimorbidity was 50.4% in 2013 and 48.2% in 2015. Nearly half of those with multimorbidity had complex multimorbidity. Each additional CD was associated with a 34% greater likelihood of incurring any OOPE for medicine (Odds ratio = 1.34, 95% CI = 1.31–1.36). The average incremental OOPE for medicine was 26.4 euros for each additional CD (95% CI = 25.1–27·7), and 32.1 euros for each additional body system affected (95% CI 30.6–33.7). In stratified analyses for country-specific quartiles of household income the average incremental OOPE for medicine was not significantly different across groups. Conclusion Between 2013 and 2015 in 13 European Health Systems increased prevalence of CDs was associated with greater likelihood of having OOPE on medication and an increase in the average amount spent when one occurred. Monitoring this indicator is important considering the negative association with treatment adherence and subsequent effects on health.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».