Cost-Effectiveness of Spinal Cord Stimulation Therapy in Management of Chronic Pain
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the cost-effectiveness of spinal cord stimulation (SCS) and conventional medical management (CMM) compared with CMM alone for patients with failed back surgery syndrome (FBSS), complex regional pain syndrome (CRPS), peripheral arterial disease (PAD), and refractory angina pectoris (RAP). DESIGN: Markov models were developed to evaluate the cost-effectiveness of SCS vs CMM alone from the perspective of a Canadian provincial Ministry of Health. Each model followed costs and outcomes in 6-month cycles. Health effects were expressed as quality-adjusted life years (QALYs). Costs were gathered from public sources and expressed in 2012 Canadian dollars (CAN$). Costs and effects were calculated over a 20-year time horizon and discounted at 3.5% annually, as suggested by the National Institute of Clinical Excellence. Cost-effectiveness was identified by deterministic and probabilistic sensitivity analysis (50,000 Monte-Carlo iterations). Outcome measures were: cost, QALY, incremental net monetary benefit (INMB), incremental cost-effectiveness ratio (ICER), expected value of perfect information (EVPI), and strategy selection frequency. RESULTS: The ICER for SCS was: CAN$ 9,293 (FBSS), CAN$ 11,216 (CRPS), CAN$ 9,319 (PAD), CAN$ 9,984 (RAP) per QALY gained, respectively. SCS provided the optimal economic path. The probability of SCS being cost-effective compared with CMM was 75-95% depending on pathology. SCS generates a positive INMB for treatment of pain syndromes. Sensitivity analyses demonstrated that results were robust to plausible variations in model costs and effectiveness inputs. Per-patient EVPI was low, indicating that gathering additional information for model parameters would not significantly impact results. CONCLUSION: SCS with CMM is cost-effective compared with CMM alone in the management of FBSS, CRPS, PAD, and RAP.
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 | 0,005 | 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 ».