An economic evaluation: Simulation of the cost-effectiveness and cost-utility of universal prevention strategies against osteoporosis-related fractures
Notice bibliographique
Résumé
A patient-level Markov decision model was used to simulate a virtual cohort of 500,000 women 40 years old and over, in relation to osteoporosis-related hip, clinical vertebral, and wrist bone fractures events. Sixteen different screening options of three main scenario groups were compared: (1) the status quo (no specific national prevention program); (2) a universal primary prevention program; and (3) a universal screening and treatment program based on the 10-year absolute risk of fracture. The outcomes measured were total directs costs from the perspective of the public health care system, number of fractures, and quality-adjusted life-years (QALYs). Results show that an option consisting of a program promoting physical activity and treatment if a fracture occurs is the most cost-effective (CE) (cost/fracture averted) alternative and also the only cost saving one, especially for women 40 to 64 years old. In women who are 65 years and over, bone mineral density (BMD)-based screening and treatment based on the 10-year absolute fracture risk calculated using a Canadian Association of Radiologists and Osteoporosis Canada (CAROC) tool is the best next alternative. In terms of cost-utility (CU), results were similar. For women less than 65 years old, a program promoting physical activity emerged as cost-saving but BMD-based screening with pharmacological treatment also emerged as an interesting alternative. In conclusion, a program promoting physical activity is the most CE and CU option for women 40 to 64 years old. BMD screening and pharmacological treatment might be considered a reasonable alternative for women 65 years old and over because at a healthcare capacity of $50,000 Canadian dollars ($CAD) for each additional fracture averted or for one QALY gained its probabilities of cost-effectiveness compared to the program promoting physical activity are 63% and 75%, respectively, which could be considered socially acceptable. Consideration of the indirect costs could change these findings.
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 | 0,005 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| 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 | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».