Understanding the Growing Burden of Malignant Pleural Effusion – Epidemiology, Healthcare Utilization, and Cost: A Canadian Perspective
Notice bibliographique
Résumé
INTRODUCTION: Malignant pleural effusion (MPE) is common in advanced malignancy. Data are needed on healthcare utilization and costs. METHODS: This population-based retrospective cohort study included patients aged ≥18 years with an MPE diagnosed between January 1, 2004, and December 31, 2018. We described the incidence and prevalence of MPE from 2004 to 2018 and trends in hospital admissions, emergency department (ED) visits, and pleural-based procedures. In patients diagnosed with MPE from 2006 to 2016, we estimated 2-year healthcare costs (2018 US dollars) from the public payer perspective. RESULTS: The annual incidence and prevalence of MPE increased from 5,090 and 14,579 in 2004 to 6,977 and 23,204 in 2018, respectively. Annual mortality among prevalent patients decreased from 32% to 28%. In 2004, 57% of patients were hospitalized, decreasing to 50% in 2018. ED visits increased (59%-61%). From 2004 to 2018, the number of patients who had insertions of thoracostomy tube (2,211-3,664) and tunneled pleural catheter (383-1,164) increased. The number of patients receiving pleurodesis declined (565-284). No change occurred in the number of patients receiving video-assisted thoracoscopy (range 140-208/year). Between 2004 and 2016, 76,190 patients were diagnosed with MPE (mean age 71.2; 52% female). The median (interquartile range) healthcare cost during follow-up was USD 45,641 (USD 23,237-USD 86,700), with USD 19,753 (USD 9,590-USD 38,746) for inpatient hospitalization. CONCLUSION: Hospitalization and temporizing MPE procedures are associated with high costs. This population-based study may guide clinicians and policymakers to improve MPE management and reduce healthcare costs.
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 | 0,001 |
| 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 ».