Cost-effectiveness analysis of <i>Helicobacter pylori</i> screening in prevention of gastric cancer in Chinese
Notice bibliographique
Résumé
OBJECTIVES: The aim of this study was to evaluate the costs and effectiveness associated with no screening, Helicobacter pylori serology screening, and the 13C-urea breath test (UBT) for gastric cancer in the Chinese population. METHODS: A Markov model simulation was carried out in Singaporean Chinese at 40 years of age (n = 478,500) from the perspective of public healthcare providers. The main outcome measures were costs, number of gastric cancer cases prevented, life-years saved, quality-adjusted life-years (QALYs) gained from the screening age to death, and incremental cost-effectiveness ratios (ICERs), which were compared among the three strategies. The uncertainty surrounding ICERs was addressed by scenario analyses and probabilistic sensitivity analysis using Monte Carlo simulation. RESULTS: The ICER of serology screening versus no screening was $25,881 per QALY gained (95 percent confidence interval (95 percent CI), $5,700 to $120,000). The ICER of UBT versus no screening was $53,602 per QALY gained (95 percent CI, $16,000 to $230,000). ICER of UBT versus serology screening was $470,000 per QALY gained, for which almost all random samples of the ICERs distributed above $50,000 per QALY. CONCLUSIONS: It cannot be confidently concluded that either H pylori screening was a cost-effective strategy compared with no screening in all Chinese at the age of 40 years. Nevertheless, serology screening has demonstrated much more potential to be a cost-effective strategy, especially in the population with higher gastric cancer prevalence.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».