Capacity Constraints and Cost-Effectiveness: A Discrete Event Simulation for Drug-Eluting Stents
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
BACKGROUND: Waiting times for access to care, for example, for diagnostic imaging or surgery, are a highly relevant issue in health care. Waiting or deferred treatment caused by limited resource capacities can affect treatment success, quality of life, and costs. However, when treatment alternatives are compared in economic models, often unrestricted availability of resources is assumed, and dynamic changes in waiting lines remain unconsidered. The objective of this study was to evaluate the impact of potential real-world capacity restrictions and implied waiting lines on cost-effectiveness results and additional model outcomes. METHODS: A case study of drug-eluting and bare-metal stent treatment illustrates the effect of hypothetical capacity limitations of daily stenting procedures. Therefore, a decision-analytic model which allows for explicitly defined resource capacities and dynamic waiting lines was built using discrete event simulation. Cost-effectiveness, utilization, waiting time, and budgetary impact of alternative treatment scenarios are analyzed under the assumption of limited and unlimited resource capacities. RESULTS: The compared treatment allocation scenarios in the case study demonstrate that the additional cost for waiting increases the average treatment cost per patient. The different scenarios have different impacts on waiting lines because of the number of repeated interventions. Additionally, this effect leads to changes in cost-effectiveness results for the hypothetical capacity limit. Explicitly modeled capacities allow for further analysis of capacity utilization, waiting lines, and budgetary impact. CONCLUSION: Our model shows that neglected limited capacities can cause wrong cost-effectiveness results. Therefore, capacities should be explicitly included in decision-analytic models if there is evidence of scarcity.
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 | 0,004 | 0,009 |
| 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 | 0,001 | 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