Cost-Effectiveness Analysis of the Use of Probiotics for the Prevention of<i>Clostridium difficile</i>–Associated Diarrhea in a Provincial Healthcare System
Notice bibliographique
Résumé
OBJECTIVE To conduct a full economic evaluation assessing the costs and consequences related to probiotic use for the primary prevention of Clostridium difficile-associated diarrhea (CDAD). DESIGN Cost-effectiveness analysis using decision analytic modeling. METHODS A cost-effectiveness analysis was used to evaluate the risk of CDAD and the costs of receiving oral probiotics versus not over a time horizon of 30 days. The target population modeled was all adult inpatients receiving any therapeutic course of antibiotics from a publicly funded healthcare system perspective. Effectiveness estimates were based on a recent systematic review of probiotics for the primary prevention of CDAD. Additional estimates came from local data and the literature. Sensitivity analyses were conducted to assess how plausible changes in variables impacted the results. RESULTS Treatment with oral probiotics led to direct costs of CDN $24 per course of treatment per patient. On average, patients treated with oral probiotics had a lower overall cost compared with usual care (CDN $327 vs $845). The risk of CDAD was reduced from 5.5% in those not receiving oral probiotics to 2% in those receiving oral probiotics. These results were robust to plausible variation in all estimates. CONCLUSIONS Oral probiotics as a preventive strategy for CDAD resulted in a lower risk of CDAD as well as cost-savings. The cost-savings may be greater in other healthcare systems that experience a higher incidence and cost associated with CDAD. Infect Control Hosp Epidemiol 2016;37:1079-1086.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 ».