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 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 | 0,001 | 0,000 |
| 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 | 0,000 | 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 ».