Economic Value of Improved Accuracy for Self-Monitoring of Blood Glucose Devices for Type 1 Diabetes in Canada
Notice bibliographique
Résumé
OBJECTIVE: The objective was to simulate and compare clinical and economic outcomes of self-monitoring of blood glucose (SMBG) devices along error ranges and strip price. METHODS: We programmed a type 1 diabetes natural history and treatment cost-effectiveness model. In phase 1, using past evidence from in silico modeling validated by the Food and Drug Administration, we associated changes in SMBG error to changes in hemoglobin A1c (HbA1c) and separately, changes in severe hypoglycemia requiring an inpatient stay. In phase 2, using Markov cohort simulation modeling, we estimated clinical and economic outcomes from the Canadian payer perspective. The primary comparison was a SMBG device with strip price $0.73 Canadian dollars (CAD) and 10% error (exceeding accuracy requirements by International Organization for Standardization (ISO) 15197:2013) versus a SMBG device with strip price $0.60 CAD and 15% error (accuracy meeting ISO 15197:2013). Outcomes for the average patient, were quality-adjusted life years (QALYs), incremental cost-effectiveness ratios (ICERs), and budget impact. RESULTS: Assuming benefits translate into HbA1c improvements only, the ICER with 10% error versus 15% was $11 500 CAD per QALY. Assuming the benefits translate into reduced severe hypoglycemia requiring an inpatient stay only, an SMBG device with 10% error dominated (ie, less costly, more effective) an SMBG device with 15% error. The 3-year budget impact findings ranged from $0.004 CAD per member per month for HbA1c improvements to cost-savings for severe hypoglycemia reductions. CONCLUSIONS: From efficiency (cost-effectiveness) and affordability (budget impact) payer perspectives, investing in devices with improved accuracy (less error) appears to be an efficient and affordable strategy.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».