Healthcare utilization and cost trajectories post-stroke: role of caregiver and stroke factors
Notice bibliographique
Résumé
Abstract Background It is essential to study post-stroke healthcare utilization trajectories from a stroke patient caregiver dyadic perspective to improve healthcare delivery, practices and eventually improve long-term outcomes for stroke patients. However, literature addressing this area is currently limited. Addressing this gap, our study described the trajectory of healthcare service utilization by stroke patients and associated costs over 1-year post-stroke and examined the association with caregiver identity and clinical stroke factors. Methods Patient and caregiver variables were obtained from a prospective cohort, while healthcare data was obtained from the national claims database. Generalized estimating equation approach was used to get the population average estimates of healthcare utilization and cost trend across 4 quarters post-stroke. Results Five hundred ninety-two stroke patient and caregiver dyads were available for current analysis. The highest utilization occurred in the first quarter post-stroke across all service types and decreased with time. The incidence rate ratio (IRR) of hospitalization decreased by 51, 40, 11 and 1% for patients having spouse, sibling, child and others as caregivers respectively when compared with not having a caregiver (p = 0.017). Disability level modified the specialist outpatient clinic usage trajectory with increasing difference between mildly and severely disabled sub-groups across quarters. Stroke type and severity modified the primary care cost trajectory with expected cost estimates differing across second to fourth quarters for moderately-severe ischemic (IRR: 1.67, 1.74, 1.64; p = 0.003), moderately-severe non-ischemic (IRR: 1.61, 3.15, 2.44; p = 0.001) and severe non-ischemic (IRR: 2.18, 4.92, 4.77; p = 0.032) subgroups respectively, compared to first quarter. Conclusion Highlighting the quarterly variations, we reported distinct utilization trajectories across subgroups based on clinical characteristics. Caregiver availability reducing hospitalization supports revisiting caregiver’s role as potential hidden workforce, incentivizing their efforts by designing socially inclusive bundled payment models for post-acute stroke care and adopting family-centered clinical care practices.
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 | 0,001 | 0,005 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».