The association of health care contact days with economic measures in the CCTG LY.12 trial
Notice bibliographique
Résumé
BACKGROUND: Given the intensive resources required to conduct economic analyses in clinical trials, a key need is identifying scalable measures of costs. Contact days-days with health care contact outside the home-may represent such a practical measure. METHODS: We conducted a secondary analysis of a trial that evaluated two pre-transplant chemotherapy regimens for lymphoma. We used trial resource use and patient-reported data to calculate contact days, direct costs, and indirect costs such as lost productivity. We assessed the association between the number of contact days and cost outcomes using linear regression models and Pearson correlation coefficients. RESULTS: Contact days were moderately correlated with direct costs (r = .47, $762/ contact day, P < .0001), and strongly correlated with direct costs in the DHAP arm (r = 0.60, $727/ contact day, P < .0001). Contact days were very weakly correlated with pooled indirect costs (r 0.19, $60/ contact day, P = .0003). Among the 3 indirect cost outcomes, the relationship was strongest with paid caregiving hours (r = 0.33, 1.8 hours/ contact day, P < .0001) and weakest for unpaid hours provided by informal care partners (r = .06, .7 hours/ contact day, P = .247). Results were robust when zeroing out costs of hospitalization in the arm receiving inpatient chemotherapy and when evaluating indirect costs among patients working full-time. CONCLUSIONS: Contact days have the potential as a surrogate measure of direct health system costs, which deserves further exploration. The weak correlation with indirect cost outcomes suggests that the extent of true patient and care partner burdens extends beyond just the number of contact days.Trial registration: ClinicalTrials.gov Identifier: NCT00078949.
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 | 0,004 | 0,000 |
| 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 | 0,001 | 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 ».