MétaCan
Menu
Retour à la cohorte
Enregistrement W6921643531 · doi:10.6084/m9.figshare.c.7503937

High-cost users after sepsis: a population-based observational cohort study

2024· other· en· W6921643531 sur OpenAlexaffabout

Notice bibliographique

RevueFigshare · 2024
Typeother
Langueen
DomaineSocial Sciences
ThématiqueEducation Methods and Technologies
Établissements canadiensSunnybrook Health Science CentreUniversity of OttawaTrillium Health CentreUniversity of British ColumbiaWestern UniversityInstitute for Clinical Evaluative SciencesMcMaster UniversityUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésSepsisConfidence intervalCohort studyPropensity score matchingObservational studyCohortHealth careRelative risk

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,247
Score d'incertitude au seuil0,491

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,004
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,115
Tête enseignante GPT0,404
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetEducation Methods and TechnologiesTravaux en français237 207