Healthcare costs for patients with rare diseases: Evidence from China
Notice bibliographique
Résumé
OBJECTIVE: Rare diseases cause a huge financial burden to countless patients and families. It is an important public health issue that requires widespread attention. This study analyzes medical expenses composition and the change in trends of out-of-pocket (OOP) expenses for patients with Amyotrophic lateral sclerosis (ALS) and explores the factors influencing these changes. METHODS: Data were obtained from the Chinese Medical Insurance Department database from 2018 to 2020, including 857 patients with ALS in 60 cities across 30 provinces. We used descriptive methods to analyse the baseline characteristics and medical expenses of outpatients and inpatients with ALS. And we used quantile regression to analyse the differences in patient OOP ratio and the factors influencing them. RESULTS: In China, 80.3% of ALS patients chose tertiary hospitals, with an annual direct medical cost of 11,339.7 RMB per patient and an OOP ratio of 41.6%. The annual medical cost for outpatients was 345.1 RMB per patient, with an OOP ratio of 36.7%. The annual medical cost for inpatients was 28,139.8 RMB per patient, with an OOP ratio of 41.7%. Compared to outpatients, inpatients had higher medical costs but lower actual reimbursement rates. The OOP ratio of ALS patients decreased, then increased over time. And the OOP ratio was influenced by medical institution, medical insurance, and age (p < 0.05). Patients who chose tertiary hospitals, those who were covered by the urban resident basic medical insurance and younger patients had relatively higher OOP ratio. CONCLUSION: In recent years, although China has begun to pay attention to the rights and interests of patients with rare diseases, the government has provided some healthcare security to patients with rare diseases. However, the level of medical insurance coverage was still low, the equity of protection was still insufficient and the financial burden on patients was high. Therefore, the government should further improve the healthcare system to provide full life-cycle and affordable healthcare services to patients with rare diseases.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,005 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».