Cost-effectiveness of pharmacist care for managing hypertension in Canada
Notice bibliographique
Résumé
BACKGROUND: More than half of all heart disease and stroke are attributable to hypertension, which is associated with approximately 10% of direct medical costs globally. Clinical trial evidence has demonstrated that the benefits of pharmacist intervention, including education, consultation and/or prescribing, can help to reduce blood pressure; a recent Canadian trial found an 18.3 mmHg reduction in systolic blood pressure associated with pharmacist care and prescribing. The objective of this study was to evaluate the economic impact of such an intervention in a Canadian setting. METHODS: A Markov cost-effectiveness model was developed to extrapolate potential differences in long-term cardiovascular and renal disease outcomes, using Framingham risk equations and other published risk equations. A range of values for systolic blood pressure reduction was considered (7.6-18.3 mmHg) to reflect the range of potential interventions and available evidence. The model incorporated health outcomes, costs and quality of life to estimate an overall incremental cost-effectiveness ratio. Costs considered included direct medical costs as well as the costs associated with implementing the pharmacist intervention strategy. RESULTS: For a systolic blood pressure reduction of 18.3 mmHg, the estimated impact is 0.21 fewer cardiovascular events per person and, discounted at 5% per year, 0.3 additional life-years, 0.4 additional quality-adjusted life-years and $6,364 cost savings over a lifetime. Thus, the intervention is economically dominant, being both more effective and cost-saving relative to usual care. DISCUSSION: Across a range of one-way and probabilistic sensitivity analyses of key parameters and assumptions, pharmacist intervention remained both effective and cost-saving. CONCLUSION: Comprehensive pharmacist care of hypertension, including patient education and prescribing, has the potential to offer both health benefits and cost savings to Canadians and, as such, has important public health implications.
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 | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».