A cost-analysis model for anticoagulant treatment in the hospital setting
Notice bibliographique
Résumé
BACKGROUND: Rivaroxaban is the first oral factor Xa inhibitor approved in the US to reduce the risk of stroke and blood clots among people with non-valvular atrial fibrillation, treat deep vein thrombosis (DVT), treat pulmonary embolism (PE), reduce the risk of recurrence of DVT and PE, and prevent DVT and PE after knee or hip replacement surgery. The objective of this study was to evaluate the costs from a hospital perspective of treating patients with rivaroxaban vs other anticoagulant agents across these five populations. METHODS: An economic model was developed using treatment regimens from the ROCKET-AF, EINSTEIN-DVT and PE, and RECORD1-3 randomized clinical trials. The distribution of hospital admissions used in the model across the different populations was derived from the 2010 Healthcare Cost and Utilization Project database. The model compared total costs of anticoagulant treatment, monitoring, inpatient stay, and administration for patients receiving rivaroxaban vs other anticoagulant agents. The length of inpatient stay (LOS) was determined from the literature. RESULTS: Across all populations, rivaroxaban was associated with an overall mean cost savings of $1520 per patient. The largest cost savings associated with rivaroxaban was observed in patients with DVT or PE ($6205 and $2742 per patient, respectively). The main driver of the cost savings resulted from the reduction in LOS associated with rivaroxaban, contributing to ∼90% of the total savings. Furthermore, the overall mean anticoagulant treatment cost was lower for rivaroxaban vs the reference groups. LIMITATIONS: The distribution of patients across indications used in the model may not be generalizable to all hospitals, where practice patterns may vary, and average LOS cost may not reflect the actual reimbursements that hospitals received. CONCLUSION: From a hospital perspective, the use of rivaroxaban may be associated with cost savings when compared to other anticoagulant treatments due to lower drug cost and shorter LOS associated with rivaroxaban.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,001 |
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 ».