Cost-Effectiveness of Nalmefene Added to Psychosocial Support for the Reduction of Alcohol Consumption in Alcohol-Dependent Patients With High/Very High Drinking Risk Levels: A Microsimulation Model
Notice bibliographique
Résumé
OBJECTIVE: A microsimulation model was adapted to evaluate the cost-effectiveness of nalmefene combined with psychosocial support (NMF + PS) versus psychosocial support alone (PS). The economic impact of alcohol reduction using nalmefene treatment was not evaluated. METHOD: The model simulates patient-level alcohol consumption over a 5-year time horizon across different treatment cohorts. Study outcomes included probabilities of alcohol-attributable diseases and injuries as well as deaths from these events. The approach used nalmefene clinical trial data, a time horizon of 1 and 5 years, and a U.K. societal perspective. Extensive deterministic and probabilistic sensitivity analyses were conducted. RESULTS: Compared with the PS strategy, NMF + PS was associated at Year 5 with a gain of 0.047 quality-adjusted life years (QALYs) and an additional £503, leading to an incremental cost-effectiveness ratio (ICER) of £10,613 per QALY gained. When compared with the strategy without treatment, NMF + PS was associated with a gain of 0.228 QALYs and an additional £1,795, leading to an ICER of £1,758 per QALY gained. The NMF + PS strategy dominated both treatment strategies when considering the U.K. societal perspective. Sensitivity analyses confirmed the robustness of the results. CONCLUSIONS: A combination of NMF and PS was better than PS alone, considering a 5-year time horizon and a societal perspective.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».