Cost Effectiveness of Screening Strategies for Early Identification of HIV and HCV Infection in Injection Drug Users
Notice bibliographique
Résumé
OBJECTIVE: To estimate the cost, effectiveness, and cost effectiveness of HIV and HCV screening of injection drug users (IDUs) in opioid replacement therapy (ORT). DESIGN: Dynamic compartmental model of HIV and HCV in a population of IDUs and non-IDUs for a representative U.S. urban center with 2.5 million adults (age 15-59). METHODS: We considered strategies of screening individuals in ORT for HIV, HCV, or both infections by antibody or antibody and viral RNA testing. We evaluated one-time and repeat screening at intervals from annually to once every 3 months. We calculated the number of HIV and HCV infections, quality-adjusted life years (QALYs), costs, and incremental cost-effectiveness ratios (ICERs). RESULTS: Adding HIV and HCV viral RNA testing to antibody testing averts 14.8-30.3 HIV and 3.7-7.7 HCV infections in a screened population of 26,100 IDUs entering ORT over 20 years, depending on screening frequency. Screening for HIV antibodies every 6 months costs $30,700/QALY gained. Screening for HIV antibodies and viral RNA every 6 months has an ICER of $65,900/QALY gained. Strategies including HCV testing have ICERs exceeding $100,000/QALY gained unless awareness of HCV-infection status results in a substantial reduction in needle-sharing behavior. DISCUSSION: Although annual screening for antibodies to HIV and HCV is modestly cost effective compared to no screening, more frequent screening for HIV provides additional benefit at less cost. Screening individuals in ORT every 3-6 months for HIV infection using both antibody and viral RNA technologies and initiating ART for acute HIV infection appears cost effective.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».