Cost-effectiveness of educational outreach to primary care nurses to increase tuberculosis case detection and improve respiratory care: economic evaluation alongside a randomised trial
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the cost-effectiveness of an educational outreach intervention to improve primary respiratory care by South African nurses. METHODS: Cost-effectiveness analysis alongside a pragmatic cluster randomised controlled trial, with individual patient data. The intervention, the Practical Approach to Lung Health in South Africa (PALSA), comprised educational outreach based on syndromic clinical practice guidelines for tuberculosis, asthma, chronic obstructive pulmonary disease, pneumonia and other respiratory diseases. The study included 1999 patients aged 15 or over with cough or difficult breathing, attending 40 primary care clinics staffed by nurses in the Free State province. They were interviewed at first presentation, and 1856 (93%) were interviewed 3 months later. RESULTS: The intervention increased the tuberculosis case detection rate by 2.2% and increased the proportion of patients appropriately managed (that is, diagnosed with tuberculosis or prescribed an inhaled corticosteroid for asthma or referred with indicators of severe disease) by 10%. It costs the health service $68 more for each extra patient diagnosed with tuberculosis and $15 more for every extra patient appropriately managed. Analyses were most sensitive to assumptions about how long training was effective for and to inclusion of household and tuberculosis treatment costs. CONCLUSION: This educational outreach method was more effective and more costly than usual training in improving tuberculosis, asthma and urgent respiratory care. The extra cost of increasing tuberculosis case detection was comparable to current costs of passive case detection. The syndromic approach increased cost-effectiveness by also improving care of other conditions. This educational intervention was sustainable, reaching thousands of health workers and hundreds of clinics since the trial.
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 | 0,015 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,010 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».