Dose–response relationship of sleep apnea therapy and healthcare use in patients with comorbidities
Notice bibliographique
Résumé
STUDY OBJECTIVES: Obstructive sleep apnea (OSA) has complex interactive relationships with several other conditions. Previous research suggests that consistent adherence to positive airway pressure (PAP) therapy can reduce healthcare resource utilization (HCRU) in comorbid populations. We hypothesized that PAP therapy use would be associated with dose-dependent improvements in HCRU among patients with OSA and comorbid chronic obstructive pulmonary disease (COPD), type 2 diabetes, depression, heart failure, or atrial fibrillation. METHODS: We analyzed a linked dataset of medical/pharmacy claims data and objective PAP usage data for adults with newly diagnosed OSA between January 2015 and May 2021. Comorbidities were defined by at least two healthcare encounters or at least one hospitalization with the relevant diagnosis in the year before PAP initiation (index). HCRU outcomes included all-cause hospitalizations and emergency room (ER) visits over 12 and 24 months post-index. RESULTS: Among 377 830 patients with OSA (mean age: 51.7 years; 57.7% male), 6.6% had COPD, 18.7% type 2 diabetes, 16.5% depression, 4.2% heart failure, and 5.2% atrial fibrillation. Across all comorbidity cohorts, PAP usage was associated with a dose-dependent reduction in HCRU over 12 and 24 months. Risk-adjusted analyses showed HCRU benefits beginning at 2 to less than 4 hours of average nightly PAP use. Each additional hour of use was associated with a 4.1%-6.2% reduction in hospitalizations and ER visits (all analyses p < .0001). CONCLUSIONS: PAP therapy use is associated with dose-dependent reductions in HCRU among patients with OSA and major comorbidities. These findings may support data-driven reimbursement policies and highlight the value of treating OSA in complex patient populations.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».