Economic evaluation of a computed tomography directed referral strategy for chronic rhinosinusitis
Notice bibliographique
Résumé
BACKGROUND: Chronic rhinosinusitis (CRS) is a prevalent chronic inflammatory disease. The basis of a clinical diagnosis of CRS for primary care physicians (PCPs) is based upon the recognition of a symptom constellation that manifests with the disease. However, because the symptomatology of CRS may overlap with other diagnoses, the referral of patient to the most appropriate specialist may not always occur, leading to further delays in evaluation and treatment. METHODS: Given the emphasis on improving the value of health care in Canada, a decision tree model was designed to evaluate whether an upfront computed tomography (CT) scan of the paranasal sinuses ordered by the PCP for a suspected case of CRS would be more cost-effective when compared to symptom-based specialist referral practice. RESULTS: The CT-based strategy resulted in the patient arriving at the most appropriate specialist 95% (±5%) of the time while the symptom-based referral strategy resulted in the patient arriving at the correct specialist 77% (±18%) of the time. The incremental cost effectiveness ratio (ICER) for the CT-based strategy was $1522 per patient arriving at the correct specialist. CONCLUSION: These results suggest that PCPs can improve the effectiveness of their referrals for CRS by utilising an upfront CT referral strategy. However, it would create an additional cost of approximately $1500 per patient referred. Given these findings, the potential clinical benefits of using an upfront CT scan in the Canadian primary care setting should be further studied to determine the value of the additional money spent to improve the effectiveness of CRS referral.
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) | 0,001 | 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 ».