High-cost users after sepsis: a population-based observational cohort study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Background High-cost users (HCU) represent important targets for health policy interventions. Sepsis is a life-threatening syndrome that is associated with high morbidity, mortality, and economic costs to the healthcare system. We sought to estimate the effect of sepsis on being a subsequent HCU. Methods Using linked health-administrative databases, we conducted a population-based, propensity score-weighted cohort study of adults who survived a hospitalization in Ontario, Canada between January 2016 and December 2017. Sepsis was identified using a validated algorithm. The primary outcome was being a persistent HCU after hospital discharge (in the top 5% or 1% of total health care spending for 90 consecutive days), and the proportion of follow-up time since discharge as a HCU. Results We identified 927,057 hospitalized individuals, of whom 79,065 had sepsis. Individuals who had sepsis were more likely to be a top 5% HCU for 90 consecutive days at any time after discharge compared to those without sepsis (OR 2.24; 95% confidence interval [CI] 2.04–2.46) and spent on average 42.3% of their follow up time as a top 5% HCU compared to 28.9% of time among those without sepsis (RR 1.46; 95% CI 1.45–1.48). Individuals with sepsis were more likely to be a top 1% HCU for 90 consecutive days compared to those without sepsis (10% versus 5.1%, OR 2.05 [95% CI 1.99–2.11]), and spent more time as a top 1% HCU (18.5% of time versus 10.8% of time, RR 1.68 [95% CI 1.65–1.70]). Conclusions The sequelae of sepsis result in higher healthcare costs with important economic implications. After discharge, individuals who experienced sepsis are more likely to be a HCU and spend more time as a HCU compared to individuals who did not experience sepsis during hospitalization.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,539 | 0,004 |
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 découle