Treatment for ADHD: Is More Complex Treatment Cost‐Effective for More Complex Cases?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To determine the cost-effectiveness of three alternative high-quality treatments for attention deficit hyperactivity disorder (ADHD) relative to community care (CC) and to determine whether cost-effectiveness varies with the presence of comorbid disorders. DATA SOURCES/COLLECTION: The study included 579 children ages 7-9.9 with diagnosed ADHD at six sites. Data for the study were distilled from administrative data and from interviews with parents, including estimates of the child's functional impairment. These analyses focus on changes in functional impairment over 14 months. STUDY DESIGN: The study involved a large clinical trial that randomized participants to one of four arms: routine CC, intensive medication management (MedMgt), multicomponent behavioral treatment, and a combination of behavioral treatment and medication. PRINCIPAL FINDINGS: We assessed the cost-effectiveness of the alternatives using costs measured from a payer perspective. The preferred cost-effective treatment varies as a function of the child's comorbidity and of the policy maker's willingness to pay. For pure (no comorbidity) ADHD, high-quality MedMgt appears likely to be cost-effective at all levels of willingness to pay. In contrast, for some comorbid conditions, willingness to pay is critical: the policy maker with low willingness to pay likely will judge MedMgt most cost-effective. On the other hand, a policy maker willing to pay more now in expectation of future costs savings (involving, for example, juvenile justice), will recognize that the most cost-effective choice for comorbid conditions likely involves behavior therapy, with or without medication. CONCLUSIONS: Analyses of costs and effectiveness of treatment for ADHD must consider the role of comorbidities.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 découle