Funding a Smoking Cessation Program for Crohn’s Disease: An Economic Evaluation
Notice bibliographique
Résumé
OBJECTIVES: Patients with Crohn's disease (CD) who smoke are at a higher risk of flaring and requiring surgery. Cost-effectiveness studies of funding smoking cessation programs are lacking. Thus, we performed a cost-utility analysis of funding smoking cessation programs for CD. METHODS: A cost-utility analysis was performed comparing five smoking cessation strategies: No Program, Counseling, Nicotine Replacement Therapy (NRT), NRT+Counseling, and Varenicline. The time horizon for the Markov model was 5 years. The health states included medical remission (azathioprine or antitumor necrosis factor (anti-TNF), dose escalation of an anti-TNF, second anti-TNF, surgery, and death. Probabilities were taken from peer-reviewed literature, and costs (CAN$) for surgery, medications, and smoking cessation programs were estimated locally. The primary outcome was the cost per quality-adjusted life year (QALY) gained associated with each smoking cessation strategy. Threshold, three-way sensitivity, probabilistic sensitivity analysis (PSA), and budget impact analysis (BIA) were carried out. RESULTS: All strategies dominated No Program. Strategies from most to least cost effective were as follows: Varenicline (cost: $55,614, QALY: 3.70), NRT+Counseling (cost: $58,878, QALY: 3.69), NRT (cost: $59,540, QALY: 3.69), Counseling (cost: $61,029, QALY: 3.68), and No Program (cost: $63,601, QALY: 3.67). Three-way sensitivity analysis demonstrated that No Program was only more cost effective when every strategy's cost exceeded approximately 10 times their estimated costs. The PSA showed that No Program was the most cost-effective <1% of the time. The BIA showed that any strategy saved the health-care system money over No Program. CONCLUSIONS: Health-care systems should consider funding smoking cessation programs for CD, as they improve health outcomes and reduce costs.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 source (Gemma direct ou Codex distillé), 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 ».