The Cost Effectiveness of Lisdexamfetamine Dimesylate for the Treatment of Binge Eating Disorder in the USA
Notice bibliographique
Résumé
BACKGROUND: Lisdexamfetamine dimesylate (LDX) demonstrated efficacy in terms of reduced binge eating days per week in adults with binge eating disorder (BED) in two randomized clinical trials (RCTs). OBJECTIVE: The objective of this study was to evaluate the cost effectiveness of LDX versus no pharmacotherapy (NPT) in adults with BED from a USA healthcare payer's perspective. STUDY DESIGN AND METHODS: A decision-analytic Markov cohort model was developed using 1-week cycles and a 52-week time horizon. Markov health states were defined based upon the Diagnostic and Statistical Manual of Mental Disorders, 5th Edition criteria of BED. Model parameter estimates were obtained from RCTs, a survey, and literature. The primary outcome was incremental cost-effectiveness ratio (ICER). The analysis assumed a 12-week course of treatment, based upon RCTs' treatment duration. One-way deterministic and probabilistic sensitivity analyses were conducted to assess the robustness of the results. RESULTS: Patients on LDX therapy gained 0.006 quality-adjusted life years (QALY) compared to patients on the NPT arm, while the average total cost was US$175 higher for LDX therapy. The estimated ICER for LDX compared with NPT was US$27,618 per QALY, which was shown to be cost effective given a willingness-to-pay threshold of US$50,000. CONCLUSIONS: Treatment of BED with LDX showed increase in QALYs at an acceptable cost and is considered to be cost effective at the commonly used willingness-to-pay threshold in the USA. Based on the available evidence, the current model focused on short-term benefits only. There is a need to generate additional scientific evidence supporting long-term benefits of LDX therapy for BED.
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 | 0,003 | 0,001 |
| 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 | 0,001 |
| 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 ».