Model to assess the cost-effectiveness of new treatments for depression
Notice bibliographique
Résumé
OBJECTIVES: The objective of this study was to develop a model to assess the cost-effectiveness of a new treatment for patients with depression. METHODS: A Markov simulation model was constructed to evaluate standard care for depression as performed in clinical practice compared with a new treatment for depression. Costs and effects were estimated for time horizons of 6 months to 5 years. A naturalistic longitudinal observational study provided data on costs, quality of life, and transition probabilities. Data on long-term consequences of depression and mortality risks were collected from the literature. Cost-effectiveness was quantified as quality-adjusted life-years (QALYs) gained from the new treatment compared with standard care, and the societal perspective was taken. Probabilistic analyses were conducted to present the uncertainty in the results, and sensitivity analyses were conducted on key parameters used in the model. RESULTS: Compared with standard care, the new hypothetical therapy was predicted to substantially decrease costs and was also associated with gains in QALYs. With an improved treatment effect of 50 percent on achieving full remission, the net cost savings were 20,000 Swedish kronor over a 5-year follow-up time, given equal costs of treatments. Patients gained .073 QALYs over 5 years. The results are sensitive to changes in assigned treatment effects. CONCLUSIONS: The present study provides a new model for assessing the cost-effectiveness of treatments for depression by incorporating full remission as the treatment goal and QALYs as the primary outcome measure. Moreover, we show the usefulness of naturalistic real-life data on costs and quality of life and transition probabilities when modeling the disease over time.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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 ».