Cost-effectiveness of screening for hepatitis C virus: a systematic review of economic evaluations
Notice bibliographique
Résumé
OBJECTIVES: With the developments of near-cures for hepatitis C virus (HCV), who to screen has become a high-priority policy issue in many western countries. Cost-effectiveness of screening programmes should be one consideration when developing policy. The objective of this work is to synthesise the cost-effectiveness of HCV screening programmes. SETTING: A systematic review was completed. 5 databases were searched until May 2016 (NHSEED, MEDLINE, the HTA Health Technology Assessment Database, EMBASE, EconLit). PARTICIPANTS: Any study reporting an economic evaluation (any type) of screening compared with opportunistic or no screening for HCV was included. Exclusion criteria were: (1) abstracts or commentaries, (2) economic evaluations of other interventions for HCV, including blood donors screening, diagnosis tests for HCV, screening for concurrent disease or medications for treatment. PRIMARY AND SECONDARY OUTCOME MEASURES: Data extraction included type of model, target population, perspective, comparators, time horizon, discount rate, clinical inputs, cost inputs and outcome. Quality was evaluated using the Consolidated Health Economic Evaluation Reporting Standards checklist. Data are summarised using narrative synthesis by population. RESULTS: 2305 abstracts were identified with 52 undergoing full-text review. 30 papers met inclusion criteria addressing 7 populations: drug users (n=6), high risk (n=5), pregnant (n=4), prison (n=3), birth cohort (n=8), general population (n=5) and other (n=6). The majority (77%) of the studies were high quality. Drug users, birth cohort and high-risk populations were associated with cost-effectiveness ratios of under £30 000 per quality-adjusted-life-year (QALY). The remaining populations were associated with cost-effectiveness ratios that exceeded £30 000 per QALY. CONCLUSIONS: Economic evidence for screening populations is robust. If a cost per QALY of £30 000 is considered reasonable value for money, then screening birth cohorts, drug users and high-risk populations are policy options that should be considered.
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 | 0,012 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».