MétaCan
Menu
Retour à la cohorte
Enregistrement W2400420854

Moving beyond the cost per quality-adjusted life year: modelling the budgetary impact and clinical outcomes associated with the use of sirolimus-eluting stents.

2005· article· en· W2400420854 sur OpenAlexaff
Fiona M. Shrive, William A. Ghali, Steven Lewis, Cam Donaldson, Merril L. Knudtson, Braden Manns

Notice bibliographique

RevuePubMed · 2005
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInnovation Policy and R&D
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineSirolimusGynecologyHumanitiesSurgery
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Restenosis is a major limitation to the long-term success of percutaneous coronary intervention. Drug-eluting stents are the most recent technological advance in restenosis prevention. While they are effective, their use is associated with a significant incremental cost, and a recent economic evaluation performed by the authors suggested that their use is associated with a cost per quality-adjusted life year of $58,721. How should decision-makers react to this value, particularly given that the use of sirolimus-eluting stents appears more attractive in certain patient subgroups, such as those with complex coronary lesions? In the present paper, the authors explore an alternative method of presenting the results of their economic evaluation, rather than the usual cost per quality-adjusted life year rubric, in an attempt to assist decision-makers in deciding whether, and for whom, to fund sirolimus-eluting stents. Several issues that decision-makers and providers may wish to consider when making such funding decisions are discussed.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,286

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,217
Tête enseignante GPT0,301
Écart entre enseignants0,084 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetInnovation Policy and R&DTravaux en français237 207