Cost‐effectiveness of nurse‐led versus doctor‐led antiretroviral treatment in South Africa: pragmatic cluster randomised trial
Notice bibliographique
Résumé
OBJECTIVE: To estimate the cost-effectiveness of nurse-led versus doctor-led antiretroviral treatment (ART) for HIV-infected people. DESIGN: Cost-effectiveness analysis alongside a pragmatic cluster randomised controlled trial in 31 primary care clinics (16 intervention, 15 controls) in Free State Province, South Africa. Participants were HIV-infected patients, aged ≥16 years. Cohort 1 (CD4 count ≤350 cells/μl, not yet receiving ART at enrolment): consisted of 5 390 intervention patients and 3 862 controls; Cohort 2 (already received ART for ≥6 months at enrolment) of 3 029 intervention patients and 3 202 controls. Nurses were authorised and trained to initiate and represcribe ART. Management and ART provision were decentralised to primary care clinics. In control clinics, doctors initiated and re-prescribed ART, nurses monitored ART. Main outcome measure(s) were health service costs, death (cohort 1) and undetectable viral load (<400 copies/ml) (cohort 2) during the 12 months after enrolment. RESULTS: For Cohort 1, the intervention had an estimated incremental cost of US$102.52, an incremental effect of 0.42% fewer deaths and an incremental cost-effectiveness ratio (ICER) of US$24 500 per death averted. For Cohort 2, the intervention had an estimated incremental cost of US$59.48, an incremental effect of 0.47% more undetectable viral loads and an ICER of US$12 584 per undetectable viral load. CONCLUSIONS: Nurse-led ART was associated with higher mean health service costs than doctor-led care, with small effects on primary outcomes, and a high associated level of uncertainty. Given this, and the shortage of doctors, further implementation of nurse-led ART should be considered, although this may increase health service 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 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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,002 | 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 ».