The Prevalence of Multimorbidity Among Genitourinary Cancer Patients in Chile: A Retrospective Population-Based Study
Notice bibliographique
Résumé
Introduction and Objectives: Multimorbidity, defined as the coexistence of two or more chronic conditions, poses significant challenges in healthcare by affecting patient outcomes and increasing costs. This study aimed to evaluate multimorbidity’s impact on patients with genitourinary cancer (GUC) in Chile, focusing on prevalent comorbidities, their combinations, and their association with hospitalization severity. Materials and Methods: A retrospective, population-based study was conducted using data from the Fondo Nacional de Salud (FONASA) in Chile, including patients with bladder, prostate, kidney, and testicular cancer between 2019 and 2021. Diagnosis-related group (DRG) data were used to analyze comorbidity prevalence, hospitalization type (elective vs. emergency), severity (moderate/major vs. minor/none), length of stay, and associated costs. Results: Among 4,028,597 hospital events, 11.6% were related to GUC, involving 18,792 patients. Multimorbidity was present in 67.3% of patients, with hypertension and diabetes being the most common comorbidities. These patients accounted for 69.1% of total GUC care costs. Hospital mortality was higher in multimorbid patients (7.5% vs. 3.7%; p < 0.001), who also had longer stays (mean 8 vs. 5 days). Most patients were admitted electively (60.3%), while 39.7% were admitted through the emergency room. Patients with multimorbidity had higher rates of moderate/major severity hospitalizations compared to those without (56.1% vs. 32.5%; p < 0.001). Conclusions: In Chile, multimorbidity among GUC patients is linked to increased costs, longer hospital stays, higher mortality, and greater hospitalization severity. Comprehensive care strategies are needed to improve outcomes and reduce healthcare system burdens.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».