The Economic Impact of Epoetin Alfa Therapy on Delaying Time to Dialysis in Elderly Patients with Chronic Kidney Disease
Notice bibliographique
Résumé
The aim of this study was to evaluate the impact of epoetin alfa (EPO) therapy on delaying progression to renal dialysis and quantify the associated medical cost savings in elderly chronic kidney disease (CKD) patients. Elderly (>/=65 years) dialysis patients who had >/=1 hemoglobin (Hb) value and >/=1 glomerular filtration rate (GFR) value of <60 mL/min/1.73 m(2) were identified using health claims and laboratory data from the period January 1999 to February 2005. Exclusion criteria included: organ transplantation, blood transfusion, use of darbepoetin alfa, and dialysis for reasons other than CKD. Each EPO patient was matched by Hb and GFR to one control patient. The time from when matched patients had the same GFR value to dialysis was compared. The economic impact of EPO on delaying dialysis was monetized using standardized health plan payments, and adjusted to 2005 United States dollars. Sixty-eight patients (34 EPO and 34 matched controls) formed the study population. The average time to dialysis was 156 days longer for the EPO group compared to the matched control group (p = 0.003). Analysis by CKD severity revealed that EPO therapy in less severe CKD patients offered a greater delay in time to dialysis (Stage 4: 213 days difference, p = 0.003; Stage 5: 104 days difference, p = 0.160). EPO treatment resulted in cost savings of $43,374-$59,222 per patient compared to non-EPO matched controls. This retrospective matched cohort study suggests that EPO therapy has a beneficial impact on delaying progression to dialysis in elderly CKD patients, especially in those with less severe CKD.
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 | 0,000 |
| 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 ».