Economic Burden of Rheumatoid Arthritis in Low‐ and Middle‐Income Countries: Systematic Review and Meta‐Analysis
Notice bibliographique
Résumé
OBJECTIVE: The aim of this systematic review was to synthesize the economic impact of rheumatoid arthritis (RA) on households, health systems, and society in low- and middle-income countries (LMICs). METHODS: Electronic databases such as PubMed, Web of Science, and CINAHL were searched using keywords related to RA and cost of illness. Eligible studies were required to report RA-related costs, be conducted in LMICs, and be published in English. Quality appraisal of the included studies was conducted using the Newcastle-Ottawa Scale for cohort studies. A narrative synthesis and meta-analysis of findings was conducted. RESULTS: A total of 5,134 studies was initially identified for screening. After removing 1,028 duplicates, 50 studies were selected for full-text review, and 15 met the eligibility criteria and were therefore included in the review. These studies, published between 2007 and 2024, were conducted in various countries, including Turkey (n = 3), China (n = 2), and one study each from Thailand, Hungary, Mexico, Colombia, Morocco, Pakistan, India, Romania, Brazil, and Argentina. Nine studies adopted a societal perspective, whereas six used a health care perspective. The total sample size was 218,575 participants, with individual study sizes ranged from 62 to 209,292. Average annual direct costs per patient ranged from US$523 to US$2,837.90, and indirect costs ranged from US$81.80 to US$2,463.40. The pooled average annual costs for outpatients, inpatients, and medical costs were US$517.72 (95% confidence interval [CI] $3.35-$1,032.09), US$543.88 (95% CI US$499.51-US$588.24), and US$3,379.83 (95% CI US$3,137.58-US$3,622.08), respectively. CONCLUSION: RA poses a significant economic challenge in LMICs, where limited health care resources and high treatment costs make care unaffordable for many. This review uniquely underscores that enhancing treatment access and optimizing resource use can reduce both medical and productivity losses, improving patient outcomes and strengthening economic resilience.
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 | 0,018 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,029 |
| Bibliométrie | 0,012 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».