MétaCan
Menu
Retour à la cohorte
Enregistrement W2058758881 · doi:10.1185/03007990802484234

The cost-effectiveness of palivizumab for respiratory syncytial virus prophylaxis in premature infants with a gestational age of 32–35 weeks: a Canadian-based analysis

2008· article· en· W2058758881 sur OpenAlexaffabout
Krista L. Lanctôt, Shababa T. Masoud, Bosco Paes, Jean‐Éric Tarride, Aaron Chiu, Charles Hui, P.L. Francis, Paul Oh

Notice bibliographique

RevueCurrent Medical Research and Opinion · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueRespiratory viral infections research
Établissements canadiensChildren's Hospital of Eastern OntarioUniversity of ManitobaSt. Joseph’s Healthcare HamiltonMcMaster UniversityMcMaster Children's HospitalToronto Rehabilitation InstituteSunnybrook Health Science CentreHealth Sciences CentreUniversity of Toronto
Organismes subventionnairesAbbott Laboratories
Mots-clésPalivizumabMedicineGestational ageRespiratory systemPediatricsBronchopulmonary dysplasiaPregnancyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Prophylactic therapy with palivizumab, a humanized monoclonal antibody, has been shown to reduce the number of respiratory syncytial virus (RSV)-related hospitalizations in preterm infants, including those in the 32-35 weeks' gestational age (GA) subgroup. The cost-effectiveness of this therapy in Canada is unknown. OBJECTIVES: To evaluate the cost-effectiveness of palivizumab as respiratory syncytial virus prophylaxis in premature infants born at 32-35 weeks' GA. DESIGN: A decision analytic model was designed to compare both direct and indirect medical costs and benefits of prophylaxis in this subgroup of premature infants. Sensitivity analyses were performed to ascertain the robustness of the model for five point estimates: mortality rate, discounting rates, health-utility values, degree of vial-sharing and administration costs. A probabilistic sensitivity analysis (PSA) was also conducted. SETTING: Canadian publicly funded health-care system (Ministry of Health payer perspective) for base-case analysis. Societal perspective, accounting for future lost productivity, was adopted for a secondary analysis. PARTICIPANTS: Canadian infants born at 32-35 weeks' GA without chronic lung disease. INTERVENTIONS: Palivizumab prophylaxis versus no prophylaxis. MAIN OUTCOME MEASURES: Expected costs and incremental cost-effectiveness ratio expressed as cost per life-year gained (LYG) and quality-adjusted life-year (QALY) using 2007 Canadian dollars. RESULTS: The expected costs were higher for palivizumab prophylaxis as compared with no prophylaxis. The incremental cost-effectiveness ratio (ICER) for the base-case scenario was $20 924 per QALY after discounting, which is considered cost-effective in Canada. When the uncertainty of the input parameter assumptions was tested through sensitivity analyses assessing several data sources for five key parameters, no substantial differences were found from the base-case results. The PSA indicated a 0.99 probability that the ICER for palivizumab was less than $50 000/QALY. Sub-analyses that varied the number of risk factors found that for infants with two or more risk factors, or at least moderate risk, palivizumab had incremental costs per QALY that indicated moderate-to-strong evidence for adoption (range: $808-81 331, per QALY). CONCLUSIONS: Palivizumab was cost-effective and the authors' model supports prophylaxis for infants born at 32-35 weeks' GA, particularly those with more than two risk factors or at least a moderate level of risk according to a risk scoring tool.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,610

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,010
Bibliométrie0,0040,007
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0030,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,142
Tête enseignante GPT0,459
Écart entre enseignants0,317 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations75
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Medical Research and OpinionMême sujetRespiratory viral infections researchTravaux en français237 207