Cost effectiveness of rimonabant use in patients at increased cardiometabolic risk: estimates from a Markov model
Notice bibliographique
Résumé
SummaryRimonabant, the first selective CB-1 receptor blocker, is expected to reduce cardiometabolic risk substantially. This study assesses the economics of such treatment in patients at elevated cardiometabolic risk.A Markov model was developed using data from the Rimonabant in Obesity (RIO) trial, published risk equations, and UK cost and utility data. Patients begin either in a diabetic or a non-diabetic state and can transition to cardiovascular disease or to death (based on UK life tables). Transitions to diabetes and subsequent cardiovascular events are also counted. Resource use due to events and long-term management were translated to UK costs (2005 GBP). Tariffs for events and states were applied to age-dependent utilities. Extensive univariate and multivariate probabilistic sensitivity analyses were carried out.Over 10 years, 8% will suffer a cardiovascular event with a loss of more than 1,000 quality-adjusted life years (QALYs) and a cost of more than £500,000 per 1,000 patients. Projecting risk for a lifetime, 1 year of rimonabant use is estimated to gain >65 QALYs at £8,574/QALY. In probabilistic sensitivity analysis, incremental cost-effectiveness ratios varied from £2,657 to £22,141/QALY.Based on the metabolic effects seen in clinical trials, rimonabant should reduce cardiovascular risk in obese or overweight people at reasonable cost.
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 | 0,007 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».