Cost-effectiveness of magnetic resonance carotid plaque imaging for primary stroke prevention in Canada
Notice bibliographique
Résumé
OBJECTIVE: Magnetic resonance of the carotid arteries provides important insight into plaque composition and vulnerability in addition to the traditional measure of stenosis. The purpose of this study was to evaluate the cost-effectiveness of MR imaging as a first-line modality to assess carotid disease and guide management for high-risk patients with <50% stenosis. METHODS: Using TreeAge Pro, a cost-effectiveness simulation was conducted comparing two strategies: (a) standard of care first-line carotid duplex ultrasound (DUS) with regular follow-up, vs (b) first-line MR assessment of stenosis and intraplaque haemorrhage (MRIPH) in which patients with IPH received annual DUS surveillance and immediate carotid endarterectomy in case of plaque progression. RESULTS: For patients aged 70 years old, using a first-line MRIPH strategy resulted in a 16.8% relative risk reduction in strokes compared to DUS (0.080 vs 0.097 strokes per patient per lifetime), and an increased quality-adjusted-life years (12.23 vs 12.20) at an increased cost of $897.33 over a patient's lifetime ($5784.53 vs $4887.20 average total cost per patient per lifetime). The incremental cost-effectiveness ratio was $29,744 per quality-adjusted-life years. MRIPH remained cost-effective below a willingness-to-pay threshold of $50,000 for 91.8% of sensitivity analyses. CONCLUSION: MRIPH was found to be a cost-effective first-line tool to identify asymptomatic patients at high risk for stroke requiring annual surveillance and prompt management. Advances in Knowledge: Using MR imaging as a fist-line method to detect the presence of IPH provides clinically useful and cost-effective information that allows for enhanced risk evaluation and primary stroke prevention.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 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 ».