The roles of magnetic resonance and endoscopic retrograde cholangiopancreatography (MRCP and ERCP) in the diagnosis of patients with suspected sclerosing cholangitis: a cost-effectiveness analysis
Notice bibliographique
Résumé
BACKGROUND AND STUDY AIMS: The optimal approach for diagnosing sclerosing cholangitis remains unclear in the face of competing imaging technologies. We aimed to determine the most cost-effective strategy. PATIENTS AND METHODS: A decision model compared three approaches in the work-up of patients with suspected sclerosing cholangitis; all included an initial test, with, if unsuccessful, performance of a second cholangiographic method. They were magnetic resonance cholangiopancreatography (MRCP) and endoscopic retrograde cholangiopancreatography (ERCP), termed "MRCP_ERCP", ERCP and MRCP ("ERCP_MRCP"), or ERCP and a repeat ERCP ("ERCP_ERCP"). The implications of true and false positive and negative results with regard to costs and procedural complications were considered, including that of a liver biopsy, if indicated as a result of a negative work-up in the face of persistent clinical suspicion. The unit of effectiveness adopted was that of a correct diagnosis. Probability assumptions were derived from published literature, while cost estimates were derived from time-motion microanalyses or a national database, and expressed in Canadian dollars at 2004 values. Sensitivity analyses, including clinically relevant threshold analyses, were carried out. RESULTS: The average cost-effectiveness ratios were $414 for MRCP_ERCP, $1101 for ERCP_MRCP and $1123 for ERCP_ERCP, per correct diagnosis. The ERCP_MRCP strategy was dominated (more expensive and less effective) by MRCP_ERCP, while ERCP_ERCP was more effective and more costly than MRCP_ERCP, at $289,292 per additional correct diagnosis. Sensitivity and threshold analyses confirmed the robustness of these findings. CONCLUSIONS: Based on the model assumptions, a strategy of initial MRCP, followed, if negative, by ERCP is currently the most cost-effective approach to the work-up of patients with suspected sclerosing cholangitis.
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 | 0,011 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,006 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».