Using and interpreting cost-effectiveness acceptability curves: an example using data from a trial of management strategies for atrial fibrillation
Notice bibliographique
Résumé
BACKGROUND: The cost-effectiveness acceptability curve (CEAC) is a method for summarizing the uncertainty in estimates of cost-effectiveness. The CEAC, derived from the joint distribution of costs and effects, illustrates the (Bayesian) probability that the data are consistent with a true cost-effectiveness ratio falling below a specified ceiling ratio. The objective of the paper is to illustrate how to construct and interpret a CEAC. METHODS: A retrospective cost-effectiveness analysis of the Atrial Fibrillation Follow-up Investigation of Rhythm Management (AFFIRM) randomized controlled trial with 4060 patients followed for 3.5 years. The target population was patients with atrial fibrillation who were 65 years of age or had other risk factors for stroke or death similar to those enrolled in AFFIRM. The intervention involved the management of patients with atrial fibrillation with antiarrhythmic drugs (rhythm-control) compared with drugs that control heart rate (rate-control). Measurements of mean survival, mean costs and incremental cost-effectiveness were made. The uncertainty surrounding the estimates of cost-effectiveness was illustrated through a cost-effectiveness acceptability curve. RESULTS: The base case point estimate for the difference in effects and costs between rate and rhythm-control is 0.08 years (95% CI: -0.1 years to 0.24 years) and -5,077 US dollars (95% CI: -1,100 dollars to -11,006 dollars). The CEAC shows that the decision uncertainty surrounding the adoption of rate-control strategies is less than 1.7% regardless of the maximum acceptable ceiling ratio. Thus, there is very little uncertainty surrounding the decision to adopt rate-control compared to rhythm-control for patients with atrial fibrillation from a resource point of view. CONCLUSION: The CEAC is straightforward to calculate, construct and interpret. The CEAC is useful to a decision maker faced with the choice of whether or not to adopt a technology because it provides a measure of the decision uncertainty surrounding the choice.
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 | 0,147 | 0,398 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,006 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».