Cost-effectiveness of asenapine in the treatment of bipolar disorder in Canada
Notice bibliographique
Résumé
BACKGROUND: Bipolar disorder (BPD) is prevalent and is associated with a significant economic burden. Asenapine, the first tetracyclic antipsychotic approved in Canada for the treatment of BPD, has shown a comparable efficacy profile to other atypical antipsychotics. In addition, it is associated with a favourable metabolic profile and minimal weight gain potential. This study aimed to assess the economic impact of asenapine compared to olanzapine in the treatment of BPD in Canada. METHODS: A decision tree combined with a Markov model was constructed to assess the cost-utility of asenapine compared with olanzapine. The decision tree takes into account the occurrence of extrapyramidal symptoms (EPS), the probability of switching to a different antipsychotic, and the probability of gaining weight. The Markov model takes into account long-term metabolic complications including diabetes, hypertension, coronary heart diseases (CHDs), and stroke. Analyses were conducted from both a Canadian Ministry of Health (MoH) and a societal perspective over a five-year time horizon with yearly cycles. RESULTS: In the treatment of BPD, asenapine is a dominant strategy over olanzapine from both a MoH and a societal perspective. In fact, asenapine is associated with lower costs and more quality-adjusted life years (QALYs). Results of the probabilistic sensitivity analysis indicated that asenapine remains a dominant strategy in 99.2% of the simulations, in both a MoH and a societal perspective, and this result is robust to the many deterministic sensitivity analyses performed. CONCLUSIONS: This economic evaluation demonstrates that asenapine is a cost-effective strategy compared to olanzapine in the treatment of BPD in Canada.
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 ».