Screening for diabetic retinopathy in James Bay, Ontario: a cost-effectiveness analysis.
Notice bibliographique
Résumé
BACKGROUND: Retinopathy is a common complication of diabetes mellitus that if detected early by regular retinal examinations can be treated; thus, blindness can be delayed or prevented. Providing high-quality retinal screening is difficult, especially in rural and remote areas. Canada's First Nations population has a higher prevalence of diabetes and is, in general, more geographically isolated than the broader Canadian population. We modelled the cost-effectiveness of retinopathy screening by travelling retina specialists versus retinal photography with a portable digital camera in an isolated First Nations cohort with diabetes. METHODS: The 2 screening programs were modelled to run concurrently for 5 years, with outcomes evaluated over 10 years. To construct economic models for the population of Cree individuals living in the western James Bay area of northern Ontario, we used available data on the prevalence of diabetes in the area and estimates of the incidence of retinopathy derived from the published literature. We compared the screening models and calculated total costs, visual outcome, costs per sight-year saved and costs per quality-adjusted life year (QALY). We also estimated the costs of implementing a screening program for all First Nations individuals in Ontario with diabetes and no access to an ophthalmologist. RESULTS: From the perspective of the health care system the camera program was preferable to the specialist-based program. Over 10 years, 67 v. 56 sight years were saved, compared with no screening, at costs of 3900 Canadian dollars v. 9800 Canadian dollars per sight year and 15,000 Canadian dollars v. 37,000 Canadian dollars per QALY. Generalizing these results to the province of Ontario, the camera system could allow most isolated First Nations people with diabetes to be screened for 5 years for approximately 1.2 million Canadian dollars. INTERPRETATION: A portable retinal camera is a cost-effective means of screening for diabetic retinopathy in isolated communities of at-risk individuals.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 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 ».