IS TREATMENT OF DEPRESSION COST-EFFECTIVE IN PEOPLE WITH DIABETES? A SYSTEMATIC REVIEW OF THE ECONOMIC EVIDENCE
Notice bibliographique
Résumé
OBJECTIVES: Depression is common in diabetes and linked to a wide range of adverse outcomes. UK policy indicates that depression should be treated using conventional psychological treatments in a stepped care framework. This review aimed to identify current economic evidence of psychological treatments for depression among people with diabetes. METHOD: Electronic search strategies (conducted in MEDLINE, EMBASE, PsycINFO, CINAHL, NHS EED) combined clinical and economic search terms to identify full economic evaluations of the relevant interventions. Prespecified screening and inclusion criteria were used. Standardized data extraction and critical appraisal were conducted and the results summarized qualitatively. RESULTS: Excluding duplicates, 1,516 studies for co-morbid depression and diabetes were screened. Four economic evaluations were identified. The studies found that the interventions improved health status, reduced depression and were cost-effective compared with usual care. The studies were all U.S.-based and evaluated collaborative care programs that included psychological therapies. Critical appraisal indicated limitations with the study designs, analysis and results for all studies. CONCLUSIONS: The review highlighted the paucity of evidence in this area. The four studies indicated the potential of interventions to reduce depression and be cost-effective compared with usual care. Two studies reported costs per QALY gained of USD 267 to USD 4,317, whilst two studies reported the intervention dominated usual care, with net savings of USD 440 to USD 612 and net gains in patient free days or QALYs.
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 | 0,016 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,009 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».