Canadian trends in spending on liver hospitalizations and transplants: 2004–2020
Notice bibliographique
Résumé
Background: The incidence and prevalence of liver disease are increasing and contribute to significant morbidity and mortality. In Canada, more than 3 million people live with liver diseases, accounting for approximately 2% of all hospitalizations. However, it remains unclear how much liver hospitalizations cost the Canadian health care system. Thus, this study estimates the cost of liver-related hospitalization across Canada. Methods: We conducted a population-based, retrospective study using acute inpatient admission data for liver-related hospitalizations obtained from the Canadian Institute for Health Information. We calculated the total and the average nominal spending for liver hospitalizations nationally from April 1, 2004, to March 31, 2020, based on fiscal year (FY). In addition, we stratified the average liver hospitalization spending based on age and sex group. Results: Canada spent $947 million on liver-related hospitalizations in FY2019, a 145% growth in spending from FY2004. The average liver disease-related hospitalization was estimated to be $17,506 in FY2019. Within the sub-group analysis, the age group <30 showed the highest average cost per hospitalization at $21,776; however, there was no significant difference in cost between males and females. Across the different provinces in FY2019, Alberta experienced the highest average spending per hospitalization at $23,150, whereas Ontario had the lowest spending at $15,712. Conclusions: Liver-related hospitalizations are associated with high spending that is increasing nationally with variations across provinces and territories. Our results are of great use for economic evaluations of novel interventions in the future.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».