Assessing the Costs of Neuropsychiatric Disease in the Systemic Lupus International Collaborating Clinics Cohort Using Multistate Modeling
Notice bibliographique
Résumé
OBJECTIVE: To estimate direct and indirect costs associated with neuropsychiatric (NP) events in the Systemic Lupus International Collaborating Clinics inception cohort. METHODS: NP events were documented annually using American College of Rheumatology definitions for NP events and attributed to systemic lupus erythematosus (SLE) or non-SLE causes. Patients were stratified into 1 of 3 NP states (no, resolved, or new/ongoing NP event). Change in NP status was characterized by interstate transition rates using multistate modeling. Annual direct costs and indirect costs were based on health care use and impaired productivity over the preceding year. Annual costs associated with NP states and NP events were calculated by averaging all observations in each state and adjusted through random-effects regressions. Five- and 10-year costs for NP states were predicted by multiplying adjusted annual costs per state by expected state duration, forecasted using multistate modeling. RESULTS: A total of 1,697 patients (49% White race/ethnicity) were followed for a mean of 9.6 years. NP events (n = 1,971) occurred in 956 patients, 32% attributed to SLE. For SLE and non-SLE NP events, predicted annual, 5-, and 10-year direct costs and indirect costs were higher in new/ongoing versus no events. Direct costs were 1.5-fold higher and indirect costs 1.3-fold higher in new/ongoing versus no events. Indirect costs exceeded direct costs 3.0 to 5.2 fold. Among frequent SLE NP events, new/ongoing seizure disorder and cerebrovascular disease accounted for the largest increases in annual direct costs. For non-SLE NP events, new/ongoing polyneuropathy accounted for the largest increase in annual direct costs, and new/ongoing headache and mood disorder for the largest increases in indirect costs. CONCLUSION: Patients with new/ongoing SLE or non-SLE NP events incurred higher direct and indirect costs.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».