Costs and Cost Effectiveness of a Health Care Provider–Directed Intervention to Promote Colorectal Cancer Screening
Notice bibliographique
Résumé
PURPOSE: Colorectal cancer (CRC) screening remains underutilized in the United States. Prior studies reporting the cost effectiveness of randomized interventions to improve CRC screening have not been replicated in the setting of small physician practices. We recently conducted a randomized trial evaluating an academic detailing intervention in 264 small practices in geographically diverse New York City communities. The objective of this secondary analysis is to assess the cost effectiveness of this intervention. METHODS: A total of 264 physician offices were randomly assigned to usual care or to a series of visits from trained physician educators. CRC screening rates were measured at baseline and 12 months. The intervention costs were measured and the incremental cost-effectiveness ratio (ICER) was derived. Sensitivity analyses were based on varying cost and effectiveness estimates. RESULTS: Academic detailing was associated with a 7% increase in CRC screening with colonoscopy. The total intervention cost was $147,865, and the ICER was $21,124 per percentage point increase in CRC screening rate. Sensitivity analyses that varied the costs of the intervention and the average medical practice size were associated with ICERs ranging from $13,631 to $36,109 per percentage point increase in CRC screening rates. CONCLUSION: A comprehensive, multicomponent academic detailing intervention conducted in small practices in metropolitan New York was clinically effective in improving CRC screening rates, but was not cost effective.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,001 |
| 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 ».