A Second-Order Simulation Model of the Cost-Effectiveness of Managing Dyspepsia in the United States
Notice bibliographique
Résumé
BACKGROUND: The "gold-standard'' evidence of effectiveness for a clinical practice guideline is the randomized controlled trial (RCT), although RCTs have a limited ability to explore potential management strategies for a chronic disease where these interact over time. Modeling can be used to fill this gap, and models have become increasingly complex, with both dynamic sampling and representation of second-order uncertainty to provide more precise estimates. However, both simulation modeling and probabilistic sensitivity analysis are rarely used together. The objective of this study was to explore uncertainty in controversial areas of the 2005 American Gastroenterology Association position statement on the management of dyspepsia. METHODS: Individual sampling model, incorporating a second-order probabilistic sensitivity analysis. POPULATION: US adult patients presenting in primary care with dyspepsia. Interventions compared: empirical acid suppression, test and treat for Helicobacter pylori, initial endoscopy, acid suppression then endoscopy, test and treat then proton pump inhibitor (PPI) then endoscopy. OUTCOMES: Cost-effectiveness, quality-adjusted life years, and costs in US dollars from a societal perspective, measured over a 5-year period. DATA SOURCES: mainly Cochrane meta-analyses. RESULTS: Endoscopy was dominated at all ages by other strategies. PPI therapy was the most cost-effective strategy in 30-year-olds with a low prevalence of H. pylori. In 60-year-olds, H. pylori test and treat was the most cost-effective option. CONCLUSIONS: Acid suppression alone was more cost-effective than either endoscopy or H. pylori test and treat in younger dyspepsia patients with a low prevalence of infection.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».