Cost-effectiveness of clopidogrel, prasugrel and ticagrelor for dual antiplatelet therapy after acute coronary syndrome: a decision-analytic model
Notice bibliographique
Résumé
BACKGROUND: The use of prasugrel or ticagrelor as part of dual antiplatelet therapy with acetylsalicylic acid after acute coronary syndrome (ACS) improves clinical outcomes relative to clopidogrel. The relative cost-effectiveness of these agents are unknown. We conducted an economic analysis evaluating 12 months of treatment with clopidogrel, prasugrel or ticagrelor after ACS. METHODS: We developed a fully probabilistic Markov cohort decision-analytic model using a lifetime horizon, from the perspective of the Ontario Ministry of Health and Long-Term Care. The model incorporated risks of death, recurrent ACS, heart failure, major bleeding and other adverse effects of treatment. Data on probabilities and utilities were obtained from the published literature where available. The primary outcome was quality-adjusted life-years (QALYs). RESULTS: Treatment with clopidogrel was associated with the lowest effectiveness (7.41 QALYs, 95% confidence interval [CI] 1.05-14.79) and the lowest cost ($39 601, 95% CI $8434-$111 186). Ticagrelor treatment had an effectiveness of 7.50 QALYs (95% CI 1.13-14.84) at a cost of $40 649 (95% CI $9327-$111 881). The incremental cost-effectiveness ratio (ICER) for ticagrelor relative to clopidogrel was $12 205 per QALY gained. Prasugrel had an ICER of $57 630 per QALY gained relative to clopidogrel. Ticagrelor was the preferred option in 90% of simulations at a willingness-to-pay threshold of $50 000 per QALY gained. INTERPRETATION: Ticagrelor was the most cost-effective agent when used as part of dual antiplatelet therapy after ACS. This conclusion was robust to wide variations in model parameters.
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) | 0,001 | 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 | 0,000 |
| 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 ».