MétaCan
Menu
← Retour à la cohorte
Enregistrement W4393153927 · doi:10.1101/2024.03.21.24304698

Disparity of secondary prevention among patients with rheumatic heart disease: A longitudinal study in Uganda

2024· preprint· en· W4393153927 sur OpenAlexaff
Xinpeng Xu, Emily Chu, Hui Miao, Yuxian Du, Ryan Hoskins, Chinonso C. Opara, Neema W. Minja, Sarah Pickersgill, Jenifer Atala, Andrea Beaton, Rosemary Kansiime, Chris T. Longenecker, Miriam Nakitto, Emma Ndagire, Hadija Nalubwama, Emmy Okello, Rachel Sarnacki, Jafesi Pulle, David Watkins, Yanfang Su

Notice bibliographique

RevuemedRxiv · 2024
Typepreprint
Langueen
DomaineMedicine
ThématiqueStreptococcal Infections and Treatments
Établissements canadiensCentre for Global Health ResearchUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSecondary preventionMedicineLongitudinal studyHeart diseaseDiseasePhysical therapyPediatricsInternal medicineEnvironmental healthIntensive care medicineGerontologyPathology

Résumé

récupéré en direct d'OpenAlex

Abstract Background Rheumatic heart disease (RHD) is most prevalent in socially disadvantaged settings, placing a severe burden on patients and their households. The study aims to investigate the disparity of healthcare costs, including financial and time costs, among RHD patients in Uganda. Methods We enrolled 54 RHD households from the Uganda National RHD Registry between June 2019 and February 2021. The patients were interviewed in baseline and 12-month follow-up surveys. A random-effect model was applied to examine the disparity of RHD financial and time costs. Our primary outcomes are the total outpatient costs for RHD patients’ most recent visit, consisting of direct medical costs, direct non-medical costs, and time costs. Results Following the COVID-19 pandemic, the total financial cost of outpatient visits for RHD patients increased by 9 USD on average ( P <0.01), with the change primarily driven by non-medical costs such as transportation and food (5.8 USD, P <0.05). Direct medical costs also increased significantly in the pandemic, with an average increase of 3.2 USD ( P <0.1). Compared with their counterparts, non-medical costs were higher for patients with poor infrastructure, with less education, who were older, and who were male. Patients with employment experienced a higher time cost than those without (3.3 hours, P <0.01). Conclusions The COVID-19 pandemic significantly increased RHD outpatient costs, mainly caused by the increase in non-medical costs. Our study implies that improving infrastructure, investing in education, and providing employees with time to seek care have the potential to reduce non-medical barriers to RHD secondary prevention.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,314
Écart entre enseignants0,288 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetStreptococcal Infections and Treatments→Travaux en français237 207→