Economic evaluation of advanced practice physiotherapy models of care for upper extremity musculoskeletal disorders In Denmark: a registry-based cohort study
Notice bibliographique
Résumé
BACKGROUND: Advanced practice physiotherapy (APP) models of care, which provide greater autonomy and responsibility to physiotherapists, have emerged as promising solutions to increase healthcare access while providing cost-effective care for MSK disorders. A formal health economic evaluation of these models has yet to be undertaken in Denmark. OBJECTIVES: To perform a registry-based economic evaluation of APP care versus standard care models for managing upper extremity MSK disorders in four Danish orthopedic clinics in the societal perspective. METHODS: Data related to sociodemographic, diagnoses, healthcare resource use, medication, costs, and sickness benefits within a two-year period after the initial consultation were extracted from Danish databases. Total healthcare costs including primary care (medical and rehabilitation), medication and hospital costs were calculated as well as productivity loss. Costs were converted to Euros 2022. Propensity score weighting was used to adjust for confounders. RESULTS: A total of 13,517 patients were included in the main analysis. Healthcare cost distribution differed between the two models with higher rehabilitation (mean difference [MD]: €18; 95% CI: 8 to 28) but lower medication (MD: -€50; 95% CI: -58 to -43) costs with the APP model of care. However, there was no significant difference in total healthcare costs (MD: €86; 95% CI: -305 to 476) nor in productivity loss (MD: €197; 95% CI: -1678 to 2072) between the two models. CONCLUSION: APP care results in similar total healthcare costs and productivity loss when compared to standard care for adults with upper extremity MSK disorders.
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 | 0,018 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».