Health System Economic Burden in Patients with CKD: Insights from the Klinrisk Model
Notice bibliographique
Résumé
Background: CKD is associated with substantial economic burden. Early identification of at-risk CKD can facilitate appropriate and timely intervention and reduce CKD-related medical costs. This study assessed the association between CKD progression risk and healthcare burden. Methods: A retrospective observational study was conducted in 1,050,552 adult patients with CKD from Optum’s electronic health records database (1/1/2007 - 9/30/2022). A previously published and validated machine learning model, Klinrisk (Tangri N, et al Clin Kidney J. 2024 Mar 6;17(4)) was applied to classify patients into 3 groups based on their risk of CKD progression (low, medium, and high). All-cause inpatient (IP) admissions, emergency room (ER) visits, outpatient (OP) visits were evaluated in each risk group during the 1 year after CKD. Average medical costs (2023 USD) were calculated as the average length of stay for IP admissions, average number of ER and OP visits multiplied by the corresponding unit costs as estimated from a prior study. Results: Patients with higher predicted CKD progression risk had higher healthcare utilization (HRU). High-risk patients averaged 1.49 IP admissions, 0.83 ER visits, and 35.75 OP visits per year compared with 0.31 IP admissions, 0.63 ER visits, and 24.45 OP visits among low-risk patients. The total annual medical costs for low-, medium-, and high-risk patients were $16,018, $22,090, and $50,218, respectively (Figure). IP costs were the major cost driver for high-risk patients. Conclusion: Patients at high risk of CKD progression as predicted by Klinrisk were associated with high HRU and medical costs and may benefit from early intervention with guideline-directed therapies, to reduce economic burden.Annualized all-cause medical costs stratified by CKD progression risk
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».