Cost‐Effectiveness of Total Knee Replacement: A Prospective Cohort Study
Notice bibliographique
Résumé
OBJECTIVE: Total knee replacement (TKR) rates have significantly increased in the past decade. While the procedure itself might be costly, the cost-effectiveness and potential offset costs from patient and societal benefits have not been clearly established. The objective of this study was to perform an economic evaluation of TKR in patients with knee osteoarthritis (OA). METHODS: We conducted a 6-month prospective cohort study of 212 patients with knee OA who underwent TKR at a single hospital in Houston, Texas. We included patient-level data from hospital billing databases and the patients' self-reported direct and indirect costs. The clinical outcome measure was pain and function measured by the Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) questionnaire; we used the minimum clinically important difference (MCID; ≥20-point change) and the WOMAC 20% (WOMAC20), 50% (WOMAC50), and 70% (WOMAC70) relative improvement criteria. Incremental cost-effectiveness ratios were estimated using direct and indirect costs and WOMAC improvement. A societal perspective was used and multiple sensitivity analyses were performed to assess the robustness of the principal analysis. RESULTS: The total incremental cost per TKR was $20,133. The incremental cost-effectiveness ratios (ICERs) for improvement at 6 months were $33,345, $25,255, $35,274, and $56,908 for the MCID, WOMAC20, WOMAC50, and WOMAC70, respectively. Best- and worst-case scenario sensitivity analyses did not have a significant impact on the ICERs. Patient time lost was the most influential variable in the multiway sensitivity analysis. CONCLUSION: TKR is an effective intervention in reducing pain and improving functional status among patients with knee OA and is cost effective at both low and high levels of improvement.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 tête enseignante, 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 ».