Cost-effectiveness of cardiac rehabilitation program delivery models in patients at varying cardiac risk, reason for referral, and sex
Notice bibliographique
Résumé
BACKGROUND: Little is known about the relative cost-effectiveness of different secondary prevention cardiac rehabilitation (CR) program designs or how cost-effectiveness is influenced by patient clinical and demographic characteristics. The purpose of the study was (i) to evaluate the incremental cost-effectiveness of a standard 3-month CR program (SCR) versus a program distributed over 12 months (distributed CR, DCR); and (ii) to determine the effect of patient demographic characteristics (cardiac risk, cardiac diagnosis, sex) on incremental cost-effectiveness. METHODS: A two group cost-effectiveness analysis was conducted alongside a randomized controlled trial. Patients with coronary artery disease (mean age=58 years, SD+/-10) were randomized to either SCR (n=196) or DCR (n=196) and followed for 24 months. Program delivery costs, cardiac healthcare use, morbidity, mortality, and quality-adjusted life years were assessed. Cost-effectiveness was evaluated with incremental cost-utility analysis. RESULTS: In the pooled analysis, we found the probability of SCR being more cost-effective than DCR was 63-67%. The subanalysis found SCR to be the more cost-effective intervention for patients at high risk, patients with previous coronary artery bypass graft and for male patients. The DCR program was more cost-effective for patients with lower risk of disease progression and for female patients. CONCLUSION: Differences were noted in the cost-effectiveness of CR models based on cardiac risk level, reason for referral, and demographic characteristics. Our results suggest improved cost-effectiveness may be gained by triaging patients to different CR intervention models, however, further investigation is required.
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 | 0,012 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| 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 ».