Socioeconomic Status at Diagnosis Influences the Incremental Direct Medical Costs of Systemic Lupus Erythematosus : A Longitudinal Population-Based Study
Notice bibliographique
Résumé
Objectives To assess the incremental direct medical costs of a population-based cohort of incident systemic lupus erythematosus (SLE) for the first five years after diagnosis, and impact of socioeconomic status (SES) on such incremental costs. Methods From the administrative health databases in British Columbia, Canada, we identified all adults with newly-diagnosed SLE from 1996-2010 and obtained a sample from the general non-SLE population matched on sex, age, and calendar-year. We captured costs for outpatient encounters, hospitalisations, and dispensed medications. Using two-part generalised linear models, we estimated per-person-year incremental costs of SLE (difference in costs between SLE and non-SLE, controlling for covariates) during the first five years after diagnosis, and assessed differences in incremental costs across SES groups. Results We included 4,679 newly-diagnosed SLE (86% identified from hospitalisations or rheumatologists) and 23,219 non-SLE individuals. Per-person direct costs for SLE in the first year after diagnosis averaged $13,038 (2013 Canadian), with 61% from hospitalisations, 23% from outpatient encounters, and 16% from medications; costs for non-SLE averaged $2,431. Following adjustment, incremental costs of SLE during the first five years after diagnosis averaged $10,078 per-person-year (95% CI=$2,062-$32,254). Predicted incremental hospitalisation, outpatient, and medication costs were all significantly-greater for the low-SES patients versus high-SES (additional $1,922 per-person-year in incremental costs for low-SES). Similar patterns were observed when restricting to those followed the full five-years after index date. Conclusion Even in a single-payer, publicly-funded healthcare setting, low SES at SLE diagnosis was associated with significantly-greater direct medical costs for the management of SLE and associated complications.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».