Model-based projection of health and economic effects of screening for hepatitis C in Canada
Notice bibliographique
Résumé
BACKGROUND: Because most hepatitis C virus (HCV) infections are asymptomatic and often unrecognized, screening for hepatitis C has been proposed as a plausible public health strategy. We examined the health and economic consequences of a selective one-time hepatitis C screening program for specific populations in the context of current treatment patterns. METHODS: We used a state-transition model to evaluate 2 general strategies: no screening, and screen and treat with direct-acting antiviral agents. We examined these strategies for 4 different target populations (scenarios): 1) asymptomatic people not at high risk for HCV infection, 2) immigrant populations with high prevalence, 3) a birth cohort of people aged 25-64 years and 4) a birth cohort of people aged 45-64 years of age. We obtained model data from the published literature and expert opinions. We used a payer perspective, a lifetime time horizon and a 5% discount rate. RESULTS: Screening would prevent 49.7%, 57.4%, 64.1% and 49.6% of HCV-related deaths over the lifetime of the cohort for scenarios 1, 2, 3 and 4, respectively. Screening would produce incremental-cost-effectiveness ratios between $31 468/quality-adjusted life-year and $50 490/quality-adjusted life-year. Probabilistic sensitivity analyses indicated that the chance that screening would be cost-effective at $50 000 willingness-to-pay threshold was 39.5%, 63.2%, 58.4% and 58.1% for scenarios 1, 2, 3 and 4, respectively. INTERPRETATION: Our analyses suggest that a one-time hepatitis C screening and treatment program in Canada is likely to be cost-effective for scenarios 2, 3 and 4. The screening programs we have evaluated would identify asymptomatic people with chronic HCV infection and would enable medical treatment to be offered if needed before the development of advanced liver disease.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| 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 | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».