MétaCan
Menu
Retour à la cohorte
Enregistrement W2795070226 · doi:10.1111/add.14171

Cost‐effectiveness of hydromorphone for severe opioid use disorder: findings from the SALOME randomized clinical trial

2018· article· en· W2795070226 sur OpenAlexafffundabout
Nick Bansback, Daphne Guh, Eugenia Oviedo‐Joekes, Suzanne Brissette, Scott Harrison, Amin Janmohamed, Michael Krausz, Scott Macdonald, David C. Marsh, Martin T. Schechter, Aslam H. Anis

Notice bibliographique

RevueAddiction · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensCentre for Advancing Health OutcomesSt. Paul's HospitalCentre Hospitalier de l’Université de MontréalNOSM UniversityUniversity of British ColumbiaProvidence Health Care
Organismes subventionnairesCanadian Institutes of Health ResearchProvidence Health CareVancouver Coastal Health Research InstituteSt. Paul's Foundation
Mots-clésHydromorphoneMedicineOpioid use disorderMethadoneRandomized controlled trialMethadone maintenanceConfidence intervalCost effectivenessOpioidQuality of life (healthcare)Emergency medicineAnesthesiaSurgeryInternal medicineNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND AIMS: Previous research has found diacetylmorphine, delivered under supervision, to be cost-effective in the treatment of severe opioid use disorder, but diacetylmorphine is not available in many settings. The Study to Assess Long-term Opioid Maintenance Effectiveness (SALOME) randomized controlled trial provided evidence that injectable hydromorphone is non-inferior to diacetylmorphine. The current study aimed to compare the cost-effectiveness of hydromorphone directly with diacetylmorphine and indirectly with methadone maintenance treatment. DESIGN: A within-trial analysis was conducted using the patient level data from the 6-month, double-blind, non-inferiority SALOME trial. A life-time analysis extrapolated costs and outcomes using a decision analytical cohort model. The model incorporated data from a previous trial to include an indirect comparison to methadone maintenance. SETTING: A supervised clinic in Vancouver, British Columbia, Canada. PARTICIPANTS: A total of 202 long-term street opioid injectors who had at least two attempts at treatment, including one with methadone (or other substitution), were randomized to hydromorphone (n = 100) or diacetylmorphine (n = 102). MEASUREMENTS: We measured the utilization of drugs, visits to health professionals, hospitalizations, criminal activity, mortality and quality of life. This enabled us to estimate incremental costs, quality-adjusted life years (QALYs) and cost-effectiveness ratios from a societal perspective. Sensitivity analyses considered different sources of evidence, assumptions and perspectives. FINDINGS: The within-trial analysis found hydromorphone provided similar QALYs to diacetylmorphine [0.377, 95% confidence interval (CI) = 0.361-0.393 versus 0.375, 95% CI = 0.357-0.391], but accumulated marginally greater costs [$49 830 ($28 401-73 637) versus $34 320 ($21 780-55 998)]. The life-time analysis suggested that both diacetylmorphine and hydromorphone provide more benefits than methadone [8.4 (7.4-9.5) and 8.3 (7.2-9.5) versus 7.4 (6.5-8.3) QALYs] at lower cost [$1.01 million ($0.6-1.59 million) and $1.02 million ($0.72-1.51 million) versus $1.15 million ($0.71-1.84 million)]. CONCLUSIONS: In patients with severe opioid use disorder enrolled into the SALOME trial, injectable hydromorphone provided similar outcomes to injectable diacetylmorphine. Modelling outcomes during a patient's life-time suggested that injectable hydromorphone might provide greater benefit than methadone alone and may be cost-saving, with drug costs being offset by costs saved from reduced involvement in criminal activity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,065
Score d'incertitude au seuil0,490

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,346
Écart entre enseignants0,301 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations54
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAddictionMême sujetOpioid Use Disorder TreatmentTravaux en français237 207