Glucosamine sulphate in the treatment of knee osteoarthritis: cost-effectiveness comparison with paracetamol
Notice bibliographique
Résumé
INTRODUCTION: The aim of this study was to explore the cost-effectiveness of glucosamine sulphate (GS) compared with paracetamol and placebo (PBO) in the treatment of knee osteoarthritis. For this purpose, a 6-month time horizon and a health care perspective was used. MATERIAL AND METHODS: The cost and effectiveness data were derived from Western Ontario and McMaster Universities Osteoarthritis Index data of the Glucosamine Unum In Die (once-a-day) Efficacy trial study by Herrero-Beaumont et al. Clinical effectiveness was converted into utility scores to allow for the computation of cost per quality-adjusted life year (QALY) For the three treatment arms Incremental Cost-Effectiveness Ratio were calculated and statistical uncertainty was explored using a bootstrap simulation. RESULTS: In terms of mean utility score at baseline, 3 and 6 months, no statistically significant difference was observed between the three groups. When considering the mean utility score changes from baseline to 3 and 6 months, no difference was observed in the first case but there was a statistically significant difference from baseline to 6 months with a p-value of 0.047. When comparing GS with paracetamol, the mean baseline incremental cost-effectiveness ratio (ICER) was dominant and the mean ICER after bootstrapping was -1376 euro/QALY indicating dominance (with 79% probability). When comparing GS with PBO, the mean baseline and after bootstrapping ICER were 3617.47 and 4285 euro/QALY, respectively. CONCLUSION: The results of the present cost-effectiveness analysis suggested that GS is a highly cost-effective therapy alternative compared with paracetamol and PBO to treat patients diagnosed with primary knee OA.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».