Cost-effectiveness of screening for hepatitis C in Canada
Notice bibliographique
Résumé
BACKGROUND: The seroprevalence of hepatitis C virus (HCV) infection among Canadians is estimated at 0.3% to 0.9%. Of those with chronic HCV infection, 10% to 20% will experience advanced liver disease by 30 years of infection. Targeted screening seems a plausible strategy. We aimed to estimate the health and economic effects of various screening and treatment strategies for chronic HCV infection in Canada. METHODS: We used a state-transition model to examine the cost-effectiveness of 4 screening strategies: no screening; screen and treat with pegylated interferon plus ribavarin; screen and treat with pegylated interferon and ribavarin-based direct-acting antiviral agents; and screen and treat with interferon-free direct-acting antivirals. We considered Canadian residents in 2 age groups: 25-64 and 45-64 years of age. We obtained model data from the literature. We predicted deaths related to chronic HCV infection, costs, quality-adjusted life-years (QALYs) and incremental cost-effectiveness ratios. RESULTS: We found that screening and treating would prevent at least 9 HCV-related deaths per 10,000 persons screened over the lifetime of the cohort. Screening was associated with QALY increases of 0.0032 to 0.0095 and cost increases of $124 to $338 per person, which translated to an incremental cost-effectiveness ratio of $34,359 to $44,034 per QALY gained, relative to no screening, depending on age group screened and antiviral therapy received. INTERPRETATION: A selective one-time HCV screening program for people 25-64 or 45-64 years of age in Canada would likely be cost-effective. Identification of silent cases of chronic HCV infection and the offer of treatment when appropriate could extend the lives of Canadians at reasonable cost.
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 | 0,004 | 0,011 |
| 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 | 0,001 |
| 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 ».