Real-World Healthcare Resource Utilization, Healthcare Costs, and Injurious Falls Among Elderly Patients with Geographic Atrophy
Notice bibliographique
Résumé
Purpose: This study assessed the clinical and economic burden of geographic atrophy (GA) using real-world data from elderly patients with Medicare Advantage plans in the United States. Patients and Methods: A retrospective cohort design of patients with GA only, GA + visual impairment (GA + VI), GA + blindness (GA + B), and patients without GA were identified using administrative healthcare claims data from Optum Clinformatics Data Mart. Inverse probability of treatment weighting controlled for confounding when comparing patients with GA only vs without GA, GA + VI vs GA only, and GA + B vs GA only. Endpoints included all-cause and ophthalmic condition-related healthcare resource utilization (HRU), injurious falls, and healthcare costs. HRU and injurious falls were assessed per-person-per-year and per 100 person-years, respectively. Cohorts were compared using rate ratios, 95% confidence intervals (CIs), and p-values from weighted Poisson regression models. Healthcare costs were evaluated per-person-per-year using mean cost differences, 95% CIs, and p-values from weighted linear regression. Results: The study included 18,119 patients with GA only, 2,285 with GA + VI, 1,716 with GA + B, and 72,476 patients without GA. Higher rates of all-cause hospitalizations (RR [95% CI]: 1.08 [1.03, 1.12]), outpatient visits (1.08 [1.05, 1.10]), other visits (1.14 [1.08, 1.21]), and falls with head injuries (1.24 [1.05, 1.45]) were observed in patients with GA vs without GA (P<0.05). GA was associated with higher annual all-cause total healthcare costs, spending an average of $1,171 more after adjustment (P<0.05). Progression to GA + VI and GA + B was associated with a more pronounced burden. Conclusion: The clinical and economic burden of GA is substantial and escalates as the disease advances. These findings suggest early intervention aimed at slowing GA progression may help to mitigate the healthcare burden associated with advancement of GA to visual impairment and blindness.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».