MétaCan
Menu
Retour à la cohorte
Enregistrement W2274087687 · doi:10.1093/alcalc/agv140

The Cost-Effectiveness of the Integration of Nalmefene within the UK Healthcare System Treatment Pathway for Alcohol Dependence

2016· review· en· W2274087687 sur OpenAlexaff
Philippe Laramée, Melissa Bell, Adam Irving, Thor‐Henrik Brodtkorb

Notice bibliographique

RevueAlcohol and Alcoholism · 2016
Typereview
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésNalmefeneAlcohol dependenceAlcoholHealth careHealthcare systemCost effectivenessMedicineNaltrexonePsychiatryInternal medicineRisk analysis (engineering)ChemistryEconomics

Résumé

récupéré en direct d'OpenAlex

AIMS: To assess the cost-effectiveness of integrating nalmefene within the treatment pathway for alcohol dependence recommended by the National Institute for Health and Care Excellence in the UK. METHODS: A Markov model, taking a UK NHS perspective, followed a cohort with alcohol dependence and high/very high drinking risk levels (HVHDRLs), who do not require immediate detoxification and who continue at HVHDRLs after initial assessment, for 5 years. Costs and quality-adjusted life years (QALYs) from treatment with nalmefene plus psychosocial support versus psychosocial support alone were modelled. The consequent incidence of alcohol-attributable harmful events and disease progression, with the possibility of requiring other options or recurrent treatment, were captured. RESULTS: Nalmefene plus psychosocial support dominated psychosocial support alone, with lower costs and increased QALYs after 5 years. Savings are driven by the higher response to nalmefene, and the subsequent lower cost accumulation for alternatives. CONCLUSIONS: Nalmefene represents a highly cost-effective treatment option in this population. The analysis shows that integrating nalmefene within the current UK clinical treatment pathway for alcohol dependence could reduce the economic burden on the NHS by limiting harmful events and disease progression.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,966
Score d'incertitude au seuil0,829

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,131
Tête enseignante GPT0,386
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlcohol and AlcoholismMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207