Microarray as a first genetic test in global developmental delay: a cost-effectiveness analysis
Notice bibliographique
Résumé
AIM: Microarray technology has a significantly higher clinical yield than karyotyping in individuals with global developmental delay (GDD). Despite this, it has not yet been routinely implemented as a screening test owing to the perception that this approach is more expensive. We aimed to evaluate the effect that replacing karyotype with array-based comparative genomic hybridization (aCGH) would have on the total cost of the workup for GDD. METHOD: We evaluated the cost-effectiveness of aCGH compared with karyotyping by retrospectively analysing the cost of workup in a cohort of 114 children (69 males; 45 females) representing a consecutive series of children diagnosed with GDD. RESULTS: The average increase in cost if aCGH had been performed instead of karyotyping as a first test was $442 per individual when performed by a private company (98% confidence interval $238-604). In contrast, $106 (98% confidence interval -$17 to $195) would have been saved if aCGH was performed locally in a laboratory already possessing the required technology. The incremental cost per additional diagnosis was estimated to be $12,874 if aCGH was performed in a private laboratory, but <$1379 if performed locally. (Costs reported in Canadian dollars, using 2010 prices.) INTERPRETATION: aCGH would be cost-effective as a first genetic test in the clinical evaluation of individuals with GDD.
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 | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».