MétaCan
Menu
Retour à la cohorte
Enregistrement W2067950090 · doi:10.1586/14737167.2013.852470

Cost–effectiveness analysis of rheumatic heart disease prevention strategies

2013· review· en· W2067950090 sur OpenAlexaff
Rizwan A. Manji, Julia Witt, Paramjit S. Tappia, Young–Jin Jung, Alan H. Menkis, Bram Ramjiawan

Notice bibliographique

RevueExpert Review of Pharmacoeconomics & Outcomes Research · 2013
Typereview
Langueen
DomaineMedicine
ThématiqueStreptococcal Infections and Treatments
Établissements canadiensSt. Boniface HospitalUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMedicineIntensive care medicineSecondary prophylaxisAntibiotic prophylaxisHeart diseaseCost effectivenessDeveloping countryCost-effectiveness analysisPediatricsRheumatic feverSecondary preventionPrimary preventionDiseaseAntibioticsInternal medicine

Résumé

récupéré en direct d'OpenAlex

Rheumatic heart disease (RHD), secondary to group A streptococcal infection is endemic in the developing as well as parts of the developed world with significant costs to the patient, and to the healthcare system. We briefly review the prevalence and cost of RHD in developed and developing nations. We subsequently develop a Markov model to evaluate the cost-effectiveness of three strategies (vs standard no prevention) for preventing RHD in a developing world country: primary prophylaxis (throat swab to detect and subsequently treat group A streptococci as needed); primary prophylaxis (antibiotic prophylaxis for all) with benzathine penicillin G once monthly to all patients (ages 5-21 years) regardless of evidence of infection; and secondary prophylaxis with monthly only to those with echocardiographic evidence of early RHD. Our model suggests that echocardiographic screening and secondary prophylaxis is the best strategy although the strategies change depending on parameters used.

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)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,008
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,181
Tête enseignante GPT0,625
Écart entre enseignants0,444 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations45
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Review of Pharmacoeconomics & Outcomes ResearchMême sujetStreptococcal Infections and TreatmentsTravaux en français237 207