National Trends in Healthcare Expenditures for the Management of Skin Cancer in the United States
Notice bibliographique
Résumé
BACKGROUND: Malignant melanoma and keratinocyte carcinomas account for a substantial proportion of healthcare expenditures in the United States. OBJECTIVE: To estimate trends in the economic burden of skin cancer in the United States between 1996 and 2016. METHODS: The Disease Expenditure Project and Global Burden of Disease databases were used to estimate annual total costs and population-standardized rates of change for skin cancer-related healthcare spending. RESULTS: Skin cancer expenditures totaled $23.4 billion in 2016, of which $1.4 billion (95% CI: $1.3-$1.6 billion) was melanoma-related and $22 billion (95% CI: $18-$28 billion) was keratinocyte carcinoma-related. Most spending on skin cancer management occurred in ambulatory care settings [60.7% (95% CI: 57.7%-64.3%) for melanoma and 87.8% (95% CI: 87.2%-88.2%) for keratinocyte carcinoma]. Pharmaceutical costs for melanoma have increased since 2010 to $365 million (95% CI: $327-$416 million), which represents 26.1% (95% CI: 22.6%-29.3%) of total melanoma expenditure. CONCLUSIONS: Skin cancer management in the United States is costly. Expenditures have increased substantially since 1996 without signs of plateauing in recent years.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».