文摘gydF4y2Ba

时间轨迹的医疗费用与十二体内癌症和慢性非癌疾病发作使用国家长期护理的调查数据进行了分析与医疗服务使用文件。特别程序选择患者发病的疾病开发和用于识别的日期在疾病发作。医疗成本轨迹是由与四参数模型更容易解释的参数反映:(i) prediagnosis成本(与最初的疾病),(2)疾病发作,成本(3)人口减少复苏代表自诊断与疾病相关的医疗费用,和代表之间的区别(iv)收购了发病率和预诊断医疗成本后的水平。这些参数是评价整个美国人口以及条件分组人口年龄、残疾和疾病状态,和生存(2.5年之后出现的日期)。发达的方法会导致一个家庭的新预测模型和协变量。gydF4y2Ba

1。介绍gydF4y2Ba

确定国家健康趋势,疾病负担和相关卫生支出在美国人口增长比例的老年人是一个重大的公共卫生问题,决策者和政府机构的一个重要问题。老龄化带来的健康恶化涉及一个重要的经济组件,是,医疗费用相关疾病治疗和康复策略障碍对经济的影响降到最低。预测,重要的是要理解的关键驱动因素与癌症和癌的进展慢性疾病和卫生保健提供者的相关医疗费用,如医疗保险和医疗补助。在2009年,有4630万人被医保覆盖:3870万人65岁及以上,760万被禁用gydF4y2Ba1gydF4y2Ba]。到2031年,医疗保险的人数预计将达到7700万,当婴儿潮一代完全注册(gydF4y2Ba2gydF4y2Ba]。医疗保险计划覆盖了全国95%的人口年龄(gydF4y2Ba3gydF4y2Ba),因此,预测未来的医疗保健计划的成本是一个重要的组成部分。医疗保险费用由于总结医疗费用为每个单独的进入系统;个人成本处理与疾病发病相关的支出和体内慢性疾病的后果。gydF4y2Ba

详细和全面的分析最近进行调查总医疗支出部分A和B计划为美国老年人口在他们生命的最后几年。医疗保险费用和残疾和发病率之间的关系被认为是由高盛(gydF4y2Ba4gydF4y2Ba]:未来老年模型(FEM)开发预测老年人的医疗费用和健康状况。然而,个人历史的“肖像”的健康状况的变化,这种变化的关系和动态的医保支出随着人的年龄,没有详细调查。的重要课题需要进一步分析相关的成本与特定的体内癌症和癌的慢性疾病,疾病发作的影响对个人医疗成本轨迹,个人健康的行为轨迹存在的共病和并发疾病,医疗支出结构分析如何帮助卫生保健提供者找到控制成本的方法,和在多大程度上累积个人医疗费用可以确定未来的健康状况的变化。偶然的研究这样的问题出现。新结果在这个领域将打开新的可能性为人口健康和医疗成本预测,允许为实证基础发展评估新的生物技术的影响对增加残疾人年的最低限度生活(gydF4y2Ba5gydF4y2Ba]。gydF4y2Ba

现代人口健康状况预测模型相关的医疗费用包括三个基本组件或子:(i)医疗成本的模型预测条件对健康状态,(2)健康状态预测,和(3)描述的初始健康状态队列的预测(gydF4y2Ba4gydF4y2Ba,gydF4y2Ba6gydF4y2Ba- - - - - -gydF4y2Ba8gydF4y2Ba]。两个主要影响时应考虑医疗成本的预测建模:动态的时间期间的医疗费用由慢性病的发病日期和医疗成本增加在生命的最后几年。在本文中,我们调查和建模第一这两个效应(后者是广泛调查literature-see [gydF4y2Ba9gydF4y2Ba- - - - - -gydF4y2Ba11gydF4y2Ba])。医疗成本的分析时间轨迹的健康变化能够揭示许多实质性属性整个美国老龄人口的医疗保险支出,以及亚种群条件在一个特定的健康状态(例如,所描述的残疾和/或伴随疾病指数)。除此之外,它可以概括的方法称为生命表与协变量(gydF4y2Ba12gydF4y2Ba,gydF4y2Ba13gydF4y2Ba)导致一个家庭的新预测模型与疾病等协变量指数或医疗成本。gydF4y2Ba

因此,本研究重点是开发一个模型能够定量描述的个人成本轨迹之间的关系出现一个与癌症和非癌症慢性疾病。是应该从人口统计学的角度解释的参数和模型作为构建块在构建一个更精确的和全面的医疗费用(包括医疗保险支出)的预测模型在人口水平。底层的方法论的想法是健康状态信息合并成一个(或几个)协变量(s),可以决定在预测卫生事件的风险(例如,疾病发生率),其动力学模型可以确定的假设。这种方法的一个优点是其大幅削减自由度与现有的预测模型作为一个结果,在连续时间估计预测模型与有限的信息可能成为亲密的成就。gydF4y2Ba

2。数据和方法gydF4y2Ba

2.1。国家长期护理调查(NLTCS),医疗服务使用的文件,和医疗成本gydF4y2Ba

要分析的主要数据的六波NLTCS [gydF4y2Ba14gydF4y2Ba)跨越从1982年2004/5与医疗保险数据。两个六波,即群1994年和1999年,用于分析。之所以选择这些特别的波浪,主要是因为高质量医疗随访数据只能从1991年开始,也因为完整的5年随访后晚于1991年的NLTCS采访只能为这两个波。NLTCS使用个人的样本来自全国医疗保险登记文件。NLTCS提供报告数据数以百计的变量包括年龄、性别和(工具性)日常生活活动(ADL / IADL)允许残疾测量。相同的数据收集机构,美国人口普查局,用于收集数据在所有的声发射,训练方法和材料,调查管理和管理程序、现场操作,计算机处理和编辑整个调查过程是一致的。除了这些,高响应率(95%)在所有NLTCS允许在趋势的估计偏差最小化。感兴趣的结果(即。,parameters describing medical cost trajectories) are similar for cohorts formed in 1994 and 1999 (that will be further discussed in Section4gydF4y2Ba)。1982年到2004年NLTCS文件包括49258个不同的个人信息,和34077年1994 - 2004年followedup。这些国家人口估计是利用过滤网权重与NLTCS发布。gydF4y2Ba

NLTCS不断跟踪所有个人医疗保险部分A和B服务使用。因此,对于所有的人我们已经连续记录以来,医疗保险的服务使用从1991或65人通过年龄在1990年之后,直到死亡。这些记录可用于每个机构(住院、门诊、专业护理设施,临终关怀,或家里卫生机构)和noninstitutional (Carrier-Physician-Supplier耐用医疗设备供应商)声明类型。gydF4y2Ba

2.2。疾病发病日期定义gydF4y2Ba

疾病发病日期被确定使用医疗保险索赔文件中收集的信息。与死亡率,慢性疾病的发病时间很难精确定义由于各种针对疾病的标准/事件发生情况下识别(例如,发病率ACHD,致命的中风发病率)用于临床和流行病学和以人群为基础的分析。因此,有一定的任意性在定义开始的日期,可以用于构建一个统一的定义开始日期适合人口研究。本文中使用的计划造成的概述几种方法这样的定义(gydF4y2Ba15gydF4y2Ba- - - - - -gydF4y2Ba17gydF4y2Ba]。统一方案用于比较分析不同的疾病医疗费用的影响,也适合预测目的。gydF4y2Ba

以下计划用来重建所有疾病的发作时的年龄从医疗服务使用数据。首先,适用的个人病史疾病从医疗保险文件重建所有记录结合各自ICD-9代码。使用以下ICD-9代码:急性冠心病(410。xx, 411年。xx,413。xx),stroke (431.xx, 433.x1, 434.x1, 436.xx), ulcer (531.xx, 532.xx, 533.xx, 534.xx), breast cancer (174.xx), prostate cancer (185.xx), melanoma (172.xx), lung cancer (162.xx), colon cancer (153.xx), diabetes (250.xx), asthma (493.xx), Parkinson's disease (332.xx), and Alzheimer's disease (331.0, 290.1). Then, the individuals with the history of a considered disease before the date of interview in 1994 or in 1999 were excluded from the cohort. Because detailed individual records in Medicare files are available from 1991, we have a sufficient period of time to reject the prevalence cases. The numbers of individuals in the pooled cohort without the prevalent cases for each disease are shown in Table1gydF4y2Ba。医疗保险的日期记录(称为“gydF4y2Ba这个记录gydF4y2Ba“下面(i)和(ii))是确定的日期开始适用条件下面提到如果两个条件满足:gydF4y2Ba(我)gydF4y2Ba这个记录gydF4y2Ba是最早的记录与各自的ICD代码作为主要诊断四个医疗保险来源之一(住院保健、门诊医疗、医生服务和专业护理设施)。gydF4y2Ba(2)gydF4y2Ba除了gydF4y2Ba这个记录gydF4y2Ba,还有一个记录各自的ICD代码作为主要诊断的四个医疗保险来源中列出(我),出现的日期不同的日期gydF4y2Ba这个记录gydF4y2Ba和不晚于0.3年之后gydF4y2Ba这个记录gydF4y2Ba。gydF4y2Ba

这个定义的疾病发病年龄修复疾病发病率的定义。自发病之日起某种慢性疾病的数量不像死亡定义为精确,需要一些假设来确定日期开始从个人记录在管理数据收集。本文中使用的规范(例如,选择四项医疗资源(我)和时间0.3年(2)项)是依照惯例的重建的日期开始从医疗保险数据gydF4y2Ba15gydF4y2Ba,gydF4y2Ba17gydF4y2Ba]。gydF4y2Ba

2.3。医疗成本的轨迹gydF4y2Ba

对于每一个疾病,发病日期发生的个人面试日期后的5年期间选择(见表gydF4y2Ba1gydF4y2Ba)。然后,他们被某些指标分层到子组。以下变量用于分层:Charlson发病率指数(使用医疗保险数据计算),残疾指数(衡量在过滤网的采访中,看到gydF4y2Ba18gydF4y2Ba]),在2.5年生存地位,在诊断和年龄。Charlson发病率指数计算根据规范中描述Charlson et al。gydF4y2Ba19gydF4y2Ba)和全et al。gydF4y2Ba20.gydF4y2Ba)的加权和慢性病出现在个人医疗记录在今年之前面试的日期。慢性病导致的17组Charlson指数,和他们的相关权重相对死亡风险。残疾指数是由引起的过滤网问卷信息六个日常生活活动(ADL,例如,进食困难)和八工具性日常生活活动的问题(IADL,例如,困难与光做家务;洗衣)[gydF4y2Ba21gydF4y2Ba]。使用指数是一个变量三类:(i)健全,(ii) IADL只有或/和1 - 2 ADLs,和(3)3 - 6 ADLs。gydF4y2Ba

为每个十二特定疾病组和strata-defined子组,手段和标准误差分布的医疗成本支出人均每月估计在20个月之前和之后的疾病发作。实证估计表明,20个月可以足够的时间“稳定”达到高原疾病发病的医疗成本的均值轨迹。在我们的研究中,这些月模式(或医疗成本轨迹)分析,相互比较,和建模。合适的审查影响考虑在内的病人在诊断后存活2.5年。所有成本提出了在2000年的美元价值方面,经过通货膨胀调整的使用提供的医疗消费者价格指数(cpi)美国劳工统计局(Bureau of Labor Statistics) (gydF4y2Ba22gydF4y2Ba]。gydF4y2Ba

3所示。结果gydF4y2Ba

实证估计的成本提出了轨迹图gydF4y2Ba1gydF4y2Ba。多数医疗成本的形状轨迹的时间范围20个月的日期前后疾病发病有相同的结构。他们可以被描述的四个组件勾勒出图gydF4y2Ba2gydF4y2Ba。第一个是确诊之前的成本水平:这个变量措施伴随疾病(gydF4y2Ba23gydF4y2Ba),被称为初始合并症。第二个是疾病发生的成本。第三个变量特征的速度减少与疾病相关的医疗费用期间自诊断;这个变量可以解释为人口回收率。第四个变量是post和prediagnosis成本水平之间的差异,是一种获得疾病由于考虑疾病。gydF4y2Ba

模型当月的医疗成本的轨迹模式有四个各自参数构造如下。的疾病发作之前所有轨迹证明高原;因此,这个区域可以被描述为一个参数gydF4y2Ba与疾病相关的研究群体。的发病与成本相关的轨迹有一个顶点开始,由一个参数建模gydF4y2Ba。在几个月后发病,医疗费用降低,下降相对指数。因此,这种衰退建模是一个指数函数的斜率gydF4y2Ba描述种群恢复的医疗费用。的水平轨迹收敛平也可以与疾病联系在一起;这不同于最初的一个水平,gydF4y2Ba,由一个数量gydF4y2Ba反映认为疾病发病率升高的贡献水平。因此,人均医疗费用每月的解析表达式gydF4y2Ba可以表示为gydF4y2Ba 在哪里gydF4y2Ba在几个月后开始(即是时间。发病时间gydF4y2Ba是负的),gydF4y2Ba指标函数(gydF4y2Ba为gydF4y2Ba和gydF4y2Ba否则)。四个模型参数完全对应的组件呈现在图gydF4y2Ba2gydF4y2Ba。三个—即,前和后诊断与初始成本和获得性疾病(gydF4y2Ba和gydF4y2Ba)和疾病发生的费用gydF4y2Ba——以美元,而人口回收率的斜率gydF4y2Ba是几个月gydF4y2Ba^{−1gydF4y2Ba}。gydF4y2Ba

该模型应用于数据和使用非线性最小二乘估计。由此产生的曲线呈现在图gydF4y2Ba1gydF4y2Ba。模型估计整个人口的疾病发作(见图gydF4y2Ba3gydF4y2Ba比其他测量)和亚群分层变量,例如,残疾,疾病,或在发病后的生存。参数估计的结果与标准错误的所有情况下提出了表gydF4y2Ba2gydF4y2Ba- - - - - -gydF4y2Ba5gydF4y2Ba和图形化提出的补充图1 (a) 1 (d)(见图1 (a) 1 (d)在网上补充材料doi 10.1155 / 2011/857892)模型估计的比较让我们揭示下面描述的模型组件的属性。gydF4y2Ba

第一个组件,pre-disease成本水平与最初的疾病有关,gydF4y2Ba成本,描述了高原轨迹出现在疾病的发作。在大多数轨迹这确实是一个高原没有明显的时间趋势。因为只有个人选择疾病发病的建设成本轨迹,高原的大小(即。,the value of the cost per month per capita) reflects the mean comorbidity index measured in terms of medical costs associated with the respective diseases. In other words, the magnitude of the estimates of the initial comorbidity depends on how strongly the risk of the respective disease is determined by comorbidity. The stronger is this association, the higher the mean comorbidity index is in selected individuals. This hypothesis can be tested directly using a separate analysis of subpopulation with the Charlson comorbidity index [19gydF4y2Ba,gydF4y2Ba20.gydF4y2Ba)估计为一个特定的月使用医疗保险信息之前的12个月。作为一个可以看到表gydF4y2Ba2gydF4y2BaCharlson指数之间的正相关和最初的发现疾病的疾病。的最强的协会发现中风、溃疡、肺癌和糖尿病。因此,估计的初始轨迹生成的不同疾病的并发症是相似的和代表的意思是平均发病率水平衡量医疗成本。个体差异不同的疾病是温和的和来自协会预诊断疾病的发病水平。残疾指数与疾病有关,所以它的模式类似于疾病指数。明确的第一个组件依赖的残疾指数发现中风、糖尿病、哮喘、溃疡,ACHD。依赖年龄组是温和的;没有显著依赖初始伴随疾病的检测对于任何疾病。对所有疾病,除了黑素瘤和结肠癌,那些死亡的初始伴随疾病更大发作后2.5年。gydF4y2Ba

第二部分,gydF4y2Ba发病高峰,措施的日期(即。月零图gydF4y2Ba1gydF4y2Ba):它的高度反映了特定疾病发病成本。疾病的顺序图所示gydF4y2Ba1gydF4y2Ba基于该组件的衰落。高可变性的gydF4y2Ba在对特定疾病的结果不同的医疗程序执行的时候出现(诊断和治疗)。未发现重大疾病和残疾的趋势为这个组件。依赖年龄也不大,虽然差别在5%水平的意义是ACHD发现,中风,肺癌症gydF4y2Ba更大的年龄65 - 80(即。,为the younger group)—as well as for diabetes and Parkinson’s diseases, for which较低的年轻人。2.5年以上幸存者ACHD成本显著降低,中风,溃疡,糖尿病,哮喘和帕金森病,也就是说,所有疾病除了所有癌症和阿尔茨海默氏症。注意,尽管对一些疾病(如哮喘、阿尔茨海默氏症,溃疡,和黑色素瘤)的增量成本在几个月前开始是可见的(可能由于确诊之前的程序费用),在模型的开发版本被忽视的影响。在进一步发展,出现的成本可以被建模使用有限方差的正态分布而不是单一参数gydF4y2Ba。gydF4y2Ba

第三个组件,gydF4y2Ba减少,特征与疾病相关的医疗费用期间自诊断和被称为人口回收率。这个量被定义为积极的,估计这个组件越大越高人口的复苏,或换句话说,越快的下降与疾病相关的医疗费用。统计上显著的估计该组件被发现对于所有认为疾病(见图gydF4y2Ba3gydF4y2Ba)。复苏的主题在其临床意义,有某些疾病(如糖尿病、阿尔茨海默病)的临床恢复不能观察到个人层面。对这些疾病的估计gydF4y2Ba不明显的区别于零。减少这些疾病的医疗费用(即。、积极温和的影响gydF4y2Ba)可以解释为医疗过程的成本在诊断和部分贡献的急性事件发起的诊断发作需要特定的治疗。测试对疾病和残疾对这些指标被发现没有必要的依赖性。也没有发现关键年龄段的依赖,尽管几个疾病(溃疡,结肠癌、糖尿病和帕金森病)的影响在5%的显著性水平,发现和这些疾病的人口恢复为更先进的年龄(即。,80 +)大。人口按预期复苏通常更高的幸存者(不含结肠癌症了相反的效果)。估计的高可变性的组件gydF4y2Ba检测对哮喘、糖尿病、帕金森病、阿尔茨海默氏症,导致相比微不足道的关联效应的两个年龄组。这组疾病主要包括定义为永久的慢性疾病状况与不可逆的病理改变,通常无法完全治愈的药物(治疗导致疾病缓解期)(gydF4y2Ba24gydF4y2Ba]。gydF4y2Ba

第四部分,gydF4y2Ba,代表了疾病导致相应疾病的发作(实际上,这之间的区别是post和prediagnosis成本水平)。可以看到在图gydF4y2Ba3gydF4y2Ba,该组件是特定的疾病。一个明确的积极的协会获得疾病与残疾指数检测ACHD和前列腺癌。获得的依赖共病的发病率指数温和。对于某些疾病(ACHD和前列腺癌)的关系是积极的,和其他几个(如帕金森症)是相反的。后者可能意味着这些疾病的发病不会增加重大支出的大初始合并症。对于大多数疾病,高年龄组隐含了疾病。对溃疡,这种联系是重要的。然而对于大多数其他疾病不(例如,gydF4y2BaPgydF4y2Ba价值是秩序。1−。2)。这个协会是逆(即为肺癌。,lower age group implies higher acquired comorbidity) and significant. As one can expect, for all diseases that the acquired comorbidity was larger for those who died during the first 2.5 years after disease onset. These associations were strongly significant.

4所示。讨论gydF4y2Ba

在这项研究中,他开发了一个模型能够定量描述的个人成本轨迹之间的关系出现一个与癌症和非癌症慢性疾病。总共十二疾病进行了分析包括循环系统疾病(急性冠状动脉心脏病和中风)、肿瘤(乳腺癌、前列腺癌、肺癌、结肠癌和黑色素瘤),神经退行性疾病(帕金森症和阿尔茨海默疾病),糖尿病gydF4y2Ba,gydF4y2Ba溃疡,和哮喘。的主要方法论的想法是开发一个数学模型来预测医疗成本对这些疾病的发病时间大约的日期,并创建一个方法论的背景发展健康状态的动态变化的预测模型和相关的医疗费用。结果对整个美国老年人口很重要因为疾病列入分析有很高的患病率和高昂的医疗成本。数据集的选择是基于研究焦点:轨迹重建使用NLTCS数据与医疗服务使用文件。这个数据库是全国代表性的美国老年人,所以所有参数估计应该描述整个美国老年人口(见附加图2为估计1994年和1999年军团)。一个创新的方法为选择患者疾病发生和开发用于识别的发病年龄。我们发现的时间模式所有考虑疾病的医疗费用轨迹相似,可以描述的四个组件的意义(我)确诊之前与初始发病率由医疗支出相关成本,(2)成本与每个疾病的发病有关,(3)减少医疗支出疾病发作后,(iv)职位的区别和prediagnosis成本水平与获得的发病率有关。轨迹被形式化的描述模型,明确涉及四个参数反映这四个组件。gydF4y2Ba

摘要医疗支出评估的模式可以帮助澄清的模型组件负责综合效应和更多(或更少)敏感的程序规范。因此,在本文中所有的医疗成本轨迹被认为是对整个人口,以及子组分层的残疾,疾病、年龄、和生存(发病后2.5年)。医疗费用轨迹的模型是适用于所有实际验证模式、模型和参数的统计估计和比较。这一分析显示医疗费用轨迹的基本性质。最重要的是以下。估计pre-disease成本水平的差异对不同疾病温和但不相同(图gydF4y2Ba3gydF4y2Ba和表gydF4y2Ba2gydF4y2Ba):因为医疗成本轨迹条件被认为是针对疾病的发病率,发现差异反映疾病风险取决于疾病的变化。相反,疾病发作的成本基本上是特定疾病(表gydF4y2Ba3gydF4y2Ba),多样性可能是由于特定疾病诊断程序和初始疗法在疾病发作。疾病被认为是(我)的人可能临床恢复(例如,ACHD、中风和溃疡)和(2)那些不太可能临床恢复(如糖尿病和阿尔茨海默病)。估计的人口(即恢复。,the rate of reduction of postdiagnosis cost level) reflect these properties of aging-related diseases. The positive estimates were detected for all diseases; however, the significance of those for diseases with unlikely recovery was lower or absent, especially in subpopulations stratified by disability or comorbidity (Table4gydF4y2Ba)。后天疾病(例如,the difference between pre- and postdiagnosis cost levels) was disease specific and strongly depended on the survival status of patients after the onset (Table5gydF4y2Ba)。参数估计(表gydF4y2Ba2gydF4y2Ba- - - - - -gydF4y2Ba5gydF4y2Ba)确认模型参数选择的多种疾病的影响估计不发生或很小。第一个参数措施疾病在疾病发作和代表多个并发症的影响。疾病发作和获得疾病的成本被定义为疾病的成本水平高于平均水平。人口的复苏,例如,减少医疗费用的速度经过诊断,疾病是由于削减成本的考虑而变化的成本由于其他疾病不太重要(至少在第一个近似)。gydF4y2Ba

一般来说,与一个特定的慢性疾病相关的医疗费用进行了分析和预测疾病发作或后一段时间与健康有关的事件(例如,住院)[gydF4y2Ba25gydF4y2Ba]。通常,分析残疾人等特定人群的群或共病的人gydF4y2Ba4gydF4y2Ba,gydF4y2Ba26gydF4y2Ba,gydF4y2Ba27gydF4y2Ba]。最近,ETG方法已经通过的医疗保险评估疾病episode-based医疗费用(gydF4y2Ba28gydF4y2Ba]:每个疾病事件的详细信息收集约600临床同质组调整病人的严重程度,年龄、主要并发症,并发症和手术。尽管是一个非常有用的工具,直接比较提供者在ETG之间的治疗模式,这种方法并不打算提供群体分析的基础。这种方法相比,我们的方法更细节每个疾病发作,但是允许包含在所有病人信息并存病(即分析。,not only related to one specific disease) and disabilities thus making the whole model more flexible and nondependent on the preselected in the ETG episode-related conditions. In our approach, only data-driven information was incorporated into the model, and the human factor related issues, such as episode-specific information on disease-specific procedures, disabilities, and comorbidities were avoided.

医疗费用预测模型通常基于估计回归模型与大多数的独立预测因子描述个体的人口状态时,他/她的健康状态,和一定程度的功能限制,以及他们的相互作用gydF4y2Ba4gydF4y2Ba,gydF4y2Ba29日gydF4y2Ba]。如果健康状态需要被同时患上慢性疾病,然后在各自的分类详细的分层变量或使用多元回归模型可以更好地描述健康状态。然而,它会导致大量的模型参数估计。克服这些困难的一种方法是使用一个方法的模型组件是基于人口的聚集特性允许模仿特定状态的影响。gydF4y2Ba

本文中的模型是这种方法的一个例子:疾病指数的使用而不是设置的多个相关分类变量代表了健康状态允许基本问题的自由度减少。医疗费用的第一个月和最后一个月的轨迹研究摘要与疾病相关联。自健康完整的个人轨迹变化可以简化后续事件发生率而言,医疗费用之前和之后的开发模型一个发生的事件可以作为构建块构造完整的个人轨迹。许多典型的不确定性对现有模型克服了这种方法。因此,医疗费用的评估模型动态之前和之后的一种慢性疾病发病可以作为预测模型的重要组成部分的医疗支出。gydF4y2Ba

结果是新的和重要的,本质上和方法论上。医疗费用的大幅,评估轨迹疾病发作。年代的老年人提供新信息的潜在利益对公共卫生支出计划和政策制定者。这项研究表明,这些轨迹可以描述的模型有四个明确的和可翻译的组件被估计为每个研究疾病。有趣的是,所有研究与癌症和非癌疾病在老年人非常相似的结构成本轨迹。模型验证了几个人群和展示了良好描述能力成本轨迹不同程度的残疾和疾病。这个模型是一个有用的可能性有扩展到更高水平的实际意义,如预测健康/发病率,死亡率,和相关的医疗费用在美国老年人使用甚至有限的一组参数(和一个潜力巨大的改进更详细的数据可用时),以及生物医学研究对于理解当前争论的影响,筛选和治疗随着年龄的革新发病率的变化。gydF4y2Ba

方法,开发模型给我们提供了一个通用医疗支出的微观仿真综合预测模型制定如下。种群动态是由随机的协变量空间中的轨迹。每个轨迹与个体死亡。协变量来模拟一个轨迹意味着评估之间的所有时间点开始的年龄(例如,65岁)和死亡的年龄。在每个时间点,一个人在疾病发病和死亡的风险。模型可以马尔可夫和non-Markov。在前者情况下,风险和动力学是由协变量所代表的当前健康状况和年龄。本文的模型(或其概括)可以用来模拟动力学的协变量(即。,comorbidity index represented by medical cost aggregated during a certain time period) before and after disease onset, and an auxiliary model of the risks of disease onset and mortality associated with the covariate and age has to be attracted to simulate these events. An important property of the model (1gydF4y2Ba),它有一个输入和输出由同一个数量:共病衡量医疗成本,和这个属性允许研究人员使用基础模型(gydF4y2Ba1gydF4y2Ba)作为构建块模拟生活中历史街区等一系列相关的疾病发作。这个属性还允许包括不同的慢性疾病到相同的方法在不增加模型的维数。注意疾病的风险以及这些风险协会等协变量与潜在疾病,残疾指数,和年龄段可以大致估计使用中给出的数据表gydF4y2Ba1gydF4y2Ba(健康状态预测模型的详细调查与医疗保险数据估计将在一个单独的出版物)。gydF4y2Ba

在很多特殊的情况下,平均超过个人轨迹可以通过减少结果分析执行聚合特征研究摘要人口数量和其他一些观察到的水平。考虑下一群个体的某种疾病的风险。我们各自的生存函数gydF4y2Ba被从其他研究。这个生存函数(或相应的故障率gydF4y2Ba或密度函数gydF4y2Ba或概率分布gydF4y2Ba)也可以从医疗保险数据估计gydF4y2Ba30.gydF4y2Ba,gydF4y2Ba31日gydF4y2Ba]。还假设,在跟踪过程中,个体不受另一个卫生事件,包括死亡。岁的医疗成本的个人gydF4y2Ba可以通过总结个人成本预测轨迹由(gydF4y2Ba1gydF4y2Ba):gydF4y2Ba

第一项反映了健康个体的贡献,也就是说,那些还没有开发出这种疾病。平均成本的特点是最初的合并症gydF4y2Ba,他们的分数=gydF4y2Ba。最后两项特征的贡献不健康的人。他们是导致集成个体的轨迹gydF4y2Ba在不同的时间发作用gydF4y2Ba。第二项(gydF4y2Ba2gydF4y2Ba)描述了发病率,第三项反映了在发病后的治疗费用。集成可以执行分析在许多特殊情况包括(i)模型的特点是持续的故障率,(ii)感兴趣的人群暴露在一个特定的危险因素(如感染、吸烟、或电离辐射)与已知的潜伏期,和(3)生存函数一种疾病从实证分析,例如,由kaplan meier估计量。gydF4y2Ba

如果一般综合微观分析模拟模型的定义是马尔可夫模型,过去的个人历史不为未来事件的概率,或者换句话说,目前的协变量和年龄必须表示一组足够的信息适当的健康状态和未来事件概率的描述。通过减少模型的维度,我们能够更好地估计covariate-specific效应;然而,模型变得不那么精确。因此,模型与协变量的一组特定总是代表一个近似成为现实。这是一个使用方法的局限性,以及所有的马尔可夫模型。具体来说,当模型的情况(gydF4y2Ba1gydF4y2Ba)需要改进的是当第二个疾病发病出现第一个后几乎立即。在一定程度上,这可以通过使用综合微观分析模拟模型:如果按照基础上进行仿真,第二种疾病的爆发可以模拟在任何时间发生后,包括时间复苏仍未完成。越高协变量的值会提供这样一个事件的概率更高。方法的精度可以通过个人发展轨迹估计一对疾病发作使用本文描述的方法接近。建模方法开发的另一个限制是,模型(gydF4y2Ba1gydF4y2Ba)是不能很好地描述所有类型的疾病:例如,几个月前开始,哮喘、老年痴呆症和帕金森疾病和黑色素瘤模型都不能很好地描述。可以解释为诊断测试/程序执行前临床诊断,因此这些影响并不对建模方法至关重要。gydF4y2Ba

在某个阶段模型的发展,分析解决方案变得不再可能。相反,基于微观仿真可能使用的方法。几个可能还需要进一步归纳提高全面的微观分析模拟模型。一个重要的模型的泛化是死亡率风险模型的一个景点需要建在假设比用于其他模型(gydF4y2Ba1gydF4y2Ba)。改变成本的假设可能包括考虑利率水平作为主要的预测变量。考虑到模型估计,个人轨迹的模拟自然是通过考虑两种竞争风险(即广义。,the risk of disease onset and the risk of death) which can be dependent or, more specifically, conditionally independent given the value of a covariate (i.e., the medical cost level). Other directions for model generalization could include (i) adjustment to the effect of a second health event that occurred before the complete recovery from the previous one, (ii) adjustment to possible recurrence of the disease diagnosed earlier, (iii) implementation of period and cohort effects, (iv) implementation of generalized models of the risks of the health events with the dependence on the covariate incorporated additional to the dependence on age, (v) incorporation of the effects of increasing medical expenditures before death, and (vi) modeling and implementation of the distribution of the covariate, including the distribution conditional on a specific value in the previous time period. This approach will provide with population projections of health and associated medical costs under the assumption that current tendencies (i.e., those which can be captured by available data) will be held. Specific scenarios regarding the future healthcare environment elaborated by respective panels of experts [7gydF4y2Ba)也可以被纳入仿真模型。在所有这些发展模型(gydF4y2Ba1gydF4y2Ba)和(gydF4y2Ba2gydF4y2Ba)可以方便地在特殊情况下必须复制数值或与各自的简化分析综合预测项目的选项。gydF4y2Ba

确认gydF4y2Ba

本文的研究报告是由美国国立卫生研究院的支持,国家老龄研究所(NIA)赠款R01AG028259和1 r01ag032319。gydF4y2Ba

补充材料gydF4y2Ba