Direct Medical Spending on Young and Average-Age Onset Colorectal Cancer before and after Diagnosis: a Population-Based Costing Study
Notice bibliographique
Résumé
BACKGROUND: Despite a better understanding of the increasing incidence of young-onset colorectal cancer (yCRC; age at diagnosis <50 years), little is known about its economic burden. Therefore, we estimated direct medical spending on yCRC before and after diagnosis. METHODS: We used linked administrative health databases in British Columbia, Canada, to create a study population of yCRC and average-age onset colorectal cancer (aCRC; age at diagnosis ≥50 years) cases, along with cancer-free controls. Over the 1-year period preceding a colorectal cancer diagnosis, we estimated direct medical spending on hospital visits, healthcare practitioners, and prescription medications. After diagnosis, we calculated cost attributable to yCRC and aCRC, which additionally included the cost of cancer treatments (e.g., chemotherapy and radiotherapy) across phases of care. RESULTS: We included 1,058 yCRC (45.4% females; age at diagnosis 42.4 ± 6.2 years) and 12,619 aCRC (44.8% females; age at diagnosis of 68.1 ± 9.2 years) cases. Direct medical spending on the average yCRC and aCRC case during the year before diagnosis was $6,711 and $8,056, respectively. After diagnosis, the overall average annualized cost attributable to yCRC significantly differed in comparison with aCRC for the initial ($50,216 vs. $37,842; P < 0.001), continuing ($8,361 vs. $5,014; P < 0.001), and end-of-life cancer phase ($86,125 vs. $61,512; P < 0.001) but not end-of-life non-cancer phase ($77,273 vs. $23,316; P = 0.372). CONCLUSIONS: Reported cost estimates may be used as inputs for future economic evaluations pertaining to yCRC. IMPACT: We provided comprehensive cost estimates for healthcare spending on young-onset colorectal cancer.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».