Healthcare resource utilisation and costs associated with hypertension in children and adolescents: a population-based cohort study
Notice bibliographique
Résumé
Background: The global prevalence of paediatric hypertension has increased, contributing to long-term cardiovascular and kidney morbidity. However, healthcare resource utilisation and costs attributable to paediatric hypertension remain uncertain. This study evaluates healthcare utilisation and costs among hypertensive children compared to controls. Methods: In a population-based retrospective cohort study, we analysed youth (aged 3-18 years) diagnosed with hypertension in Ontario, Canada (1993-2021). Using propensity score matching, 25,605 hypertensive children were compared to 128,025 controls and followed until death, emigration, or 31 March 2022. Healthcare utilisation (hospitalisations, emergency visits, outpatient visits) was assessed via negative binomial regression. Secondary outcomes included healthcare costs and specialist follow-up. Findings: Median age was 15 years [IQR 11-17], 49% were female, and comorbidities were uncommon (4% (6497/153,630) congenital heart disease, 2% (9359/153,630) malignancy, 2% (2892/153,630) diabetes, 1% (2004/153,630) chronic kidney disease). Over a median follow-up of 12.9 [IQR 6.8-19.9] years, hypertensive children had higher hospitalisations (rate ratio [RR] 2.13, 95% CI 2.03-2.22), emergency visits (RR 1.08, 95% CI 1.05-1.11), and outpatient visits (RR 1.33, 95% CI 1.31-1.34). Mean healthcare costs were substantially higher in children with hypertension, especially in the first year ($16,690 vs $2659 per person-year). Interpretation: Healthcare resource utilisation was significantly higher in youth with hypertension. These findings provide a basis for future cost-effectiveness studies on preventing paediatric hypertension and its complications. Funding: This study was funded in part by a 2021/2022 CoRE Builder Team Grant from McMaster University's Department of Paediatrics and supported by ICES Western, funded by the Ontario Ministry of Health (MOH) and Ministry of Long-Term Care.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».