Economic Evaluation of Propofol for Sedation of Patients Admitted to Intensive Care Units
Notice bibliographique
Résumé
BACKGROUND: The goal of the current study was to evaluate the economic impact of propofol as compared with midazolam for sedating patients in the intensive care unit (ICU). METHODS: A randomized, unblinded, multicenter pharmacoeconomic trial captured health resource utilization and outcome measurements associated with sedation and treatment of patients in four ICUs across Canada. Statistical analysis was performed to investigate the difference in sedation quality, ICU length of stay, and other health resources used. The authors compared the costs (1997 Canadian dollars) associated with the two treatments. Two types of sensitivity analyses were performed. RESULTS: Although overall sedation duration was similar, propofol patients spent more time at adequately sedated status (60.2% vs. 44%; P = 0.01) and were extubated faster (median extubation time, 2.5 vs. 7.1 h; P = 0.001). The ICU length of stay and health resource utilization did not differ. The total cost per patient, including drug cost and ICU stay cost, did not differ between groups (median, $5,718 for propofol vs. $5,950 for midazolam; P = 0.94). The first sensitivity analysis suggested that the incremental cost (per patient) of propofol varies from an extra cost of $114 to a savings of $2,709. Based on a hypothetical model, the second sensitivity analysis showed a potential saving of $479 per patient as a result of improved discharge planning. CONCLUSION: The analysis demonstrated that using propofol resulted in a reduction of time to extubation and higher sedative regimen costs. There was no difference in intensity of resource use or ICU length of stay and hence in costs. Issues regarding discharge delay among propofol-treated patients remain to be explored.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».