Osteoporosis Case Manager for Patients With Hip Fractures
Notice bibliographique
Résumé
BACKGROUND: In a randomized trial of patients with hip fractures, we previously demonstrated that a hospital-based case manager could increase rates of appropriate osteoporosis treatment to 51% compared with 22% for usual care (P < .001). Alongside that trial, we conducted an economic analysis. METHODS: Patients with hip fractures were randomized to usual care (n = 110) or a case manager (n = 110) and followed up for 1 year. Time-motion studies were used to determine intervention costs. From a third-party health care payer perspective and over the patient's remaining lifetime, a Markov decision-analytic model was constructed to determine cost-effectiveness of the intervention compared with usual care. Costs and benefits were discounted at 3% and expressed in 2006 Canadian dollars. RESULTS: The intervention cost CaD $56 per patient. Compared with usual care, the intervention strategy was dominant: for every 100 patients case managed, 6 fractures (4 hip fractures) were prevented, 4 quality-adjusted life-years were gained, and CaD $260 000 was saved by the health care system. Irrespective of the number of patients case managed, the intervention reached a break-even threshold within 2 years. The intervention dominated usual care over the entire spectrum of 1-way sensitivity analyses and was cost-saving in 82% of probabilistic model simulations. CONCLUSIONS: Compared with usual care, we found that using a case manager for patients with hip fractures increased rates of appropriate osteoporosis treatment. The intervention dominated usual care, and the analysis suggests that systems implementing an intervention similar to ours should expect to see a reduction in fractures, gains in life expectancy, and substantial cost savings. TRIAL REGISTRATION: clinicaltrials.gov Identifier: NCT00175175.
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 ».