Cost‐effectiveness of nucleic acid test screening of volunteer blood donations for hepatitis B, hepatitis C and human immunodeficiency virus in the United States
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: The aim of this study was to examine the cost-effectiveness of adding nucleic acid testing (NAT) to serological (antibody and antigen) screening protocols for donated blood in the United States (US) with the purpose of reducing the risks of transfusion-transmission of hepatitis B virus (HBV), hepatitis C virus (HCV) and human immunodeficiency virus (HIV). MATERIALS AND METHODS: The costs, health consequences and cost-effectiveness of adding either minipool or individual-donor NAT to serological screening (SS) testing were estimated using a decision-analysis model. RESULTS: With the given modelling assumptions, adding minipool NAT would avoid an estimated 37, 128 and eight cases of HBV, HCV and HIV, respectively, and save approximately 53 additional years of life and 102 additional quality adjusted life years (QALYs) compared with SS, at a net cost of $154 million. SS + minipool NAT - p24 compared with SS alone resulted in an incremental cost-effectiveness ratio of $1.5 million per QALY gained (range in sensitivity analysis $1.0-2.1 million per QALY gained) in this US analysis. CONCLUSIONS: The cost effectiveness of adding NAT screening is outside the typical range for most healthcare interventions, but not for established blood safety measures.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».