Cost-effectiveness of insulin detemir versus insulin glargine for Thai type 2 diabetes from a payer’s perspective
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIMS: An economic evidence is a vital tool that can inform the decision to use costly insulin analogs. This study aimed to evaluate long-term cost-effectiveness of insulin detemir (IDet) compared with insulin glargine (IGlar) in type 2 diabetes (T2DM) from the Thai payer's perspective. METHODS: Long-term costs and outcomes were projected using a validated IMS CORE Diabetes Model, version 8.5. Cohort characteristics, baseline risk factors, and costs of diabetes complications were derived from Thai data sources. Relative risk was derived from a systematic review and meta-analysis study. Costs and outcomes were discounted at 3% per annum. Incremental cost-effectiveness ratio (ICER) was presented in 2015 US Dollars (USD). A series of one-way and probabilistic sensitivity analyses were performed. RESULTS: IDet yielded slightly greater quality-adjusted life years (QALYs) (8.921 vs 8.908), but incurred higher costs than IGlar (90,417.63 USD vs 66,674.03 USD), resulting in an ICER of ∼1.7 million USD per QALY. The findings were very sensitive to the cost of IDet. With a 34% reduction in the IDet cost, treatment with IDet would become cost-effective according to the Thai threshold of 4,434.59 USD per QALY. CONCLUSIONS: Treatment with IDet in patients with T2DM who had uncontrolled blood glucose with oral anti-diabetic agents was not a cost-effective strategy compared with IGlar treatment in the Thai context. These findings could be generalized to other countries with a similar socioeconomics level and healthcare systems.
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.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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) | 0,000 | 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 découle