Budgetary impact of treating acute bipolar mania in hospitalized patients with quetiapine: an economic analysis of clinical trials
Notice bibliographique
Résumé
OBJECTIVE: To present a tool that allows estimation of the budget impact of treatments for acute mania in bipolar I disorder from a US healthcare payer perspective. METHODS: Using discrete event simulation, the course of individuals is simulated beginning with hospitalization. Discharge depends on symptom level measured by the Young Mania Rating Scale (YMRS). The treatment effect is determined using time-dependent regression equations derived from trial data, and decision rules obtained from clinical experts. Outcomes include: time to response and symptom resolution; proportion of subjects reaching each outcome; number of adverse events. Costs were obtained from hospital discharge databases, the National Medicare Physician Fee Schedule and RedBook. Different scenarios are examined, each describing the proportion of subjects on the various treatments (lithium, divalproex sodium, olanzapine, risperidone, and quetiapine--monotherapy and in combination with lithium). Analyses are intention-to-treat over 100 days, corresponding to follow-up in mania trials. Despite its flexibility and structural adaptability, the model has some important limitations related to the characteristics of the clinical trials. These include focus on inpatient management of acute mania, use of the YMRS as the model driver, polypharmacy restricted to two-drug regimens, no explicit consideration of titration and dose changes, and relatively short time horizon. RESULTS: Scenarios with a greater proportion of quetiapine users (5% vs. 40% and 100%) result in a smaller impact on the healthcare budget (6912, 6277, and 5525 dollars per patient, respectively) and improvements in patient outcomes (e.g., 43%, 47%, and 54% responding at day 21; 74%, 77%, and 80% remitting by day 84). Sensitivity analyses showed that the budget impact is influenced by drug prices, discharge criteria and side-effect management. CONCLUSION: Results suggest that increased use of quetiapine for bipolar mania in the US is economically justified and improves health outcomes. In addition, this model illustrates that discrete event simulation is a useful and versatile tool for budget impact analyses.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».