COST-EFFECTIVENESS OF INTERFERON BETA-1B IN SLOWING MULTIPLE SCLEROSIS DISABILITY PROGRESSION
Notice bibliographique
Résumé
OBJECTIVE: To estimate the cost-effectiveness (CE) of interferon beta-1b (IFN beta-1b) in slowing disability progression in persons with relapsing-remitting multiple sclerosis (RRMS). METHODS: Treatment program costs and health outcomes are modeled for cohorts of 1,000 females and 1,000 males followed 40 years from onset. Fifteen scenarios model MS natural history progression, treatment efficacy, direct treatment costs, and MS healthcare costs. A single randomized placebo-controlled trial of IFN beta-1b found reduced disease activity by MRI, reduced frequency and severity of exacerbations, and a tendency toward slower disability progression. Disability years avoided are modeled as the primary health outcome analyzed. A ministry of health (MOH) perspective is adopted, using Nova Scotia population-based data. Annual IFN beta-1b direct treatment costs (Can $16,685) are high relative to both MOH healthcare costs per person with MS (Can $2,000) and estimated MOH costs avoided. RESULTS: Given "reference case" assumptions for women with RRMS, treatment reduces lifetime disability years by 10%. Cost per disability year avoided before discounting is Can $189,230 (US $124,892), and Can $274,842 (US $181,395) after discounting at 5%. Estimates for alternative scenarios vary greatly, leaving main findings unchanged. CONCLUSIONS: Using the Expanded Disability Status Scale, cost per disability year avoided due to interferon beta-1b treatment in RRMS is quite high. Comparable CE estimates, using MS-specific or generic health-related quality-of-life outcome measures, are even higher. Further research is required to better measure treatment effects, modification of MS natural history, and net societal costs of IFN beta-1b in RRMS.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».