Healthcare resource utilisation and costs in patients with treated obstructive sleep apnea
Notice bibliographique
Résumé
Obstructive sleep apnea (OSA) is a highly prevalent yet underdiagnosed disease that creates a large economic burden on the United States healthcare system. In this retrospective study, we tested the hypothesis that adherence to positive airway pressure (PAP) therapy, the 'gold standard' treatment for OSA, is associated with reduced healthcare resource utilisation and costs. We linked de-identified payer-sourced medical claims and objective PAP usage data for patients newly diagnosed with OSA. Inverse probability of treatment weighting was used to create balanced groups of patients who were either adherent, intermediately adherent, or non-adherent to PAP therapy. From a sample of 179,542 patients (average age 52.5 years, 61% male), 37% were adherent, 40% intermediate, and 23% non-adherent. During the first year, PAP adherence was significantly associated with fewer emergency room visits (mean [SD] adherent: 0.39 [1.20] versus intermediate: 0.47 [1.30], p < 0.001; versus non-adherent: 0.54 [1.44], p < 0.001), all-cause hospitalisations (mean [SD] adherent: 0.09 [0.43] versus intermediate: 0.12 [0.51], p < 0.001; versus non-adherent: 0.13 [0.55], p < 0.001), and lower total costs (mean [SD] adherent $5874 [8045] versus intermediate $6523 [9759], p < 0.001; versus non-adherent $6355 [10,517], p < 0.001). Results were similar in the second year of PAP use. These results provide additional evidence from a large, diverse sample to support the diagnosis and treatment of OSA and encourage long-term adherence to PAP therapy.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| 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 | 0,002 |
| 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 ».