Costs of hospital admissions due to COVID-19 in the federal capital of Brazil: a study based on hospital admission authorizations
Notice bibliographique
Résumé
This is a cost analysis study based on hospital admissions, conducted from the perspective of the Brazilian Unified Health System (SUS), carried out in a cohort of patients hospitalized at the University Hospital of Brasília (UHB) due to Severe Acute Respiratory Infections (SARI) caused by COVID-19, from April 1, 2020, to March 31, 2022. An approach based on macro-costing was used, considering the costs per patient identified in the Hospital Admission Authorizations (HAA). Were identified 1,015 HAA from 622 patients. The total cost of hospitalizations was R$ 2,875,867.18 for 2020 and 2021. Of this total, 86.41 % referred to hospital services and 13.59 % to professional services. The highest median cost per patient identified was for May 2020 (R$ 19,677.81 IQR [3,334.81-33,041.43]), while the lowest was in January 2021 (R$ 1,698.50 IQR [1,602.70-2,224.11]). The high cost of treating patients with COVID-19 resulted in a high economic burden of SARI due to COVID-19 for UHB and, consequently, for SUS.
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) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».