Cost‐effectiveness analysis of antiviral treatment in the management of seasonal influenza A: point‐of‐care rapid test versus clinical judgment
Notice bibliographique
Résumé
BACKGROUND: A point-of-care rapid test (POCRT) may help early and targeted use of antiviral drugs for the management of influenza A infection. OBJECTIVE: (i) To determine whether antiviral treatment based on a POCRT for influenza A is cost-effective and, (ii) to determine the thresholds of key test parameters (sensitivity, specificity and cost) at which a POCRT based-strategy appears to be cost effective. METHODS: An hybrid « susceptible, infected, recovered (SIR) » compartmental transmission and Markov decision analytic model was used to simulate the cost-effectiveness of antiviral treatment based on a POCRT for influenza A in the social perspective. Data input parameters used were retrieved from peer-review published studies and government databases. The outcome considered was the incremental cost per life-year saved for one seasonal influenza season. RESULTS: In the base-case analysis, the antiviral treatment based on POCRT saves 2 lives/100,000 person-years and costs $7600 less than the empirical antiviral treatment based on clinical judgment alone, which demonstrates that the POCRT-based strategy is dominant. In one and two way-sensitivity analyses, results were sensitive to the POCRT accuracy and cost, to the vaccination coverage as well as to the prevalence of influenza A. In probabilistic sensitivity analyses, the POCRT strategy is cost-effective in 66% of cases, for a commonly accepted threshold of $50,000 per life-year saved. CONCLUSION: The influenza antiviral treatment based on POCRT could be cost-effective in specific conditions of performance, price and disease prevalence.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».