Systematic literature review of the health economic implications of early detection by screening populations at risk for type 2 diabetes
Notice bibliographique
Résumé
BACKGROUND: Undetected/uncontrolled diabetes is associated with substantial morbidity and mortality and consequent costs. Early detection through screening identifies patients at risk, allowing for earlier treatment initiation. OBJECTIVES: To determine the economic impact of screening for type 2 diabetes (T2DM). DATA SOURCES: We systematically reviewed health economic analyses of screening programs for T2DM/pre-diabetes. STUDY ELIGIBILITY CRITERIA: Published between 2000 and 2015 in any language. Articles must have reported costs of screening, test/patient outcomes and cost-effectiveness. PARTICIPANTS AND INTERVENTIONS: Any type of screening (universal, targeted, opportunistic) was accepted. METHODS: Data were extracted from Scopus/Medline/Embase, then tabulated. RESULTS: There were 137 studies identified, 108 rejected; 29 were analyzed. Screening types included 18 universal, 8 targeted and 8 opportunistic. One study screened for pre-diabetes, 16 for T2DM and 12 examined both. Fourteen (48%) reported costs of screening only, 9 (31%) costs of screening combined with interventions and 6 (21%) presented all costs separately. Screening was compared to no screening in 13 studies (45%); screening was cost-effective in 8 (62%), not cost-effective in 4 (31%) and neither in 1 (8%). When comparing different screening methods, 6 found targeted screening was cost-effective compared with universal screening (none found the opposite), 2 found opportunistic superior to universal. Sensitivity analyses generally confirmed primary findings. Cost drivers included prevalence of T2DM/pre-diabetes, type of blood test used and uptake of testing. For optimal cost-effectiveness, screening for both T2DM and pre-diabetes should be initiated around age 45-50, with repeated testing every 5 years. CONCLUSIONS/IMPLICATIONS: Targeted screening appears to be cost-effective compared to universal screening.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,086 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,009 |
| Bibliométrie | 0,016 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 source (Gemma direct ou Codex distillé), 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 ».