Cost effectiveness of guided Internet-based interventions for depression in comparison with control conditions: An individual-participant data meta-analysis
Notice bibliographique
Résumé
BACKGROUND: There is limited evidence on the cost effectiveness of Internet-based treatments for depression. The aim was to evaluate the cost effectiveness of guided Internet-based interventions for depression compared to controls. METHODS: Individual-participant data from five randomized controlled trials (RCT), including 1,426 participants, were combined. Cost-effectiveness analyses were conducted at 8 weeks, 6 months, and 12 months follow-up. RESULTS: The guided Internet-based interventions were more costly than the controls, but not statistically significant (12 months mean difference = €406, 95% CI: - 611 to 1,444). The mean differences in clinical effects were not statistically significant (12 months mean difference = 1.75, 95% CI: - .09 to 3.60 in Center for Epidemiologic Studies Depression Scale [CES-D] score, .06, 95% CI: - .02 to .13 in response rate, and .00, 95% CI: - .03 to .03 in quality-adjusted life-years [QALYs]). Cost-effectiveness acceptability curves indicated that high investments are needed to reach an acceptable probability that the intervention is cost effective compared to control for CES-D and response to treatment (e.g., at 12-month follow-up the probability of being cost effective was .95 at a ceiling ratio of 2,000 €/point of improvement in CES-D score). For QALYs, the intervention's probability of being cost effective compared to control was low at the commonly accepted willingness-to-pay threshold (e.g., at 12-month follow-up the probability was .29 and. 31 at a ceiling ratio of 24,000 and 35,000 €/QALY, respectively). CONCLUSIONS: Based on the present findings, guided Internet-based interventions for depression are not considered cost effective compared to controls. However, only a minority of RCTs investigating the clinical effectiveness of guided Internet-based interventions also assessed cost effectiveness and were included in this individual-participant data meta-analysis.
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 | 0,020 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,066 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».