Health care utilization and costs for frail vs nonfrail patients with diffuse large B-cell lymphoma
Notice bibliographique
Résumé
ABSTRACT: Half of older patients with diffuse large B-cell lymphoma (DLBCL) receiving curative-intent treatment are frail. Understanding the differences in health care utilization including costs between frail and nonfrail patients can inform appropriate models of care. A retrospective cohort study was conducted using population-based data in Ontario, Canada. Patients aged ≥66 years with DLBCL who received frontline curative-intent chemoimmunotherapy between 2006 and 2017 were included. Frailty was defined using a cumulative deficit-based frailty index. Health care utilization and costs were grouped into 5 phases: (1) 90 days preceding first treatment; (2) early treatment (0 to +90 days after starting treatment); (3) late treatment (+91 to +180 days); (4) follow-up (+181 to -181 days before death); and (5) end of life (last 180 days before death). Costs were standardized to 30-day intervals (2019 Canadian dollars). A total of 5527 patients were included (median age, 75 years; 48% female). A total of 2699 patients (49%) were classified as frail. The median costs for frail vs nonfrail patients per 30 days based on phase of care were (1) $5683 vs $2586 ; (2) $13 090 vs $11 256; (3) $5734 vs $4883; (4) $1138 vs $686; and (5) $11 413 vs $9089; statistically significant in all phases. In multivariable modeling, frail patients had higher rates of emergency department visits and hospitalizations and increased costs than nonfrail patients through all phases except end-of-life phase. During end-of-life phase, a substantial portion of patients (n = 2569 [84%]) required admission to hospital; 684 (27%) required intensive care unit admission. Future work could assess whether certain hospitalizations are preventable, particularly for patients identified as frail.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».