The Cost-Utility of CT Angiography and Conventional Angiography for People Presenting with Intracerebral Hemorrhage
Notice bibliographique
Résumé
OBJECTIVE: To determine the optimal imaging strategy for ICH incorporating CTA or DSA with and without a NCCT risk stratification algorithm. METHODS: A Markov model included costs, outcomes, prevalence of a vascular lesion, and the sensitivity and specificity of a risk stratification algorithm from the literature. The four imaging strategies were: (a) CTA screening of the entire cohort; (b) CTA only in those where NCCT suggested a high or indeterminate likelihood of a lesion; (c) DSA screening of the entire cohort and (d) DSA only for those with a high or indeterminate suspicion of a lesion following NCCT. Branch d was the comparator. RESULTS: Age of the cohort and the probability of an underlying lesion influenced the choice of optimal imaging strategy. With a low suspicion for a lesion (<12%), branch (a) was the optimal strategy for a willingness-to-pay of $100,000/QALY. Branch (a) remained the optimal strategy in younger people (<35 years) with a risk below 15%. If the probability of a lesion was >15%, branch (b) became preferred strategy. The probabilistic sensitivity analysis showed that branch (b) was the optimal choice 70-72% of the time over varying willingness-to-pay values. CONCLUSIONS: CTA has a clear role in the evaluation of people presenting with ICH, though the choice of CTA everyone or CTA using risk stratification depends on age and likelihood of finding a lesion.
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 | 0,002 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».