Health Care Utilization and Costs in Lung Cancer Screening Participants—A Propensity-Matched Economic Analysis
Notice bibliographique
Résumé
Introduction Lung cancer screening (LCS) for high-risk populations has been firmly established to reduce lung cancer mortality, but concerns exist regarding unintended downstream costs. Methods Mean health care utilization and costs were compared in the Alberta Lung Cancer Screening Study in a cohort undergoing LCS versus a propensity-matched control group who did not. Results A cohort of 651 LCS participants was matched to 336 unscreened controls. Over the study period (mean 3.6 y), a modest increase in the number of claims (22.4 versus 21.9 per person-year [PY]; Δ 0.50 [95% confidence interval: 0.15–0.86], p = 0.006) and outpatient visits (4.01 versus 3.50 per PY; Δ 0.51 [0.37–0.65], p <0.0001), but not in inpatient admissions, was noted in the screened cohort. Claims payments, inpatient costs, and cancer care costs were similar in the screening arm versus the unscreened. Outpatient encounter costs per participant were higher in the screened group ($2662.18 versus $2040.67 per PY; Δ −$621.51 [−1118.05 to −124.97], p = 0.014). Removing the additional computed tomography screening examinations rendered differences not significant. Mean total costs were not significantly different at $6461.10 per PY in the screening group and $6125.31 in the unscreened group (Δ −$335.79 [−2009.65 to 1338.07], p = 0.69). Conclusions Modest increases in outpatient costs are noted in individuals undergoing LCS, in part attributable to the screening examinations, without differences in overall health care costs. Health care costs and utilization seem otherwise similar in individuals participating in LCS and those who do not.
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».