“To screen or not to screen”: Comparing the health and economic benefits of early peanut introduction strategies in five countries
Notice bibliographique
Résumé
BACKGROUND: Early peanut introduction (EPI) in the first year of life is associated with reduced risk of developing peanut allergy in children with either severe eczema and/or egg allergy. However, EPI recommendations differ among countries with formal guidelines. METHODS: Using simulation and Markov modeling over a 20-year horizon to attempt to explore optimal EPI strategies applied to the US population, we compared high-risk infant-specific IgE peanut screening (US/Canadian) with the Australiasian Society for Clinical Immunology and Allergy (Australia/New Zealand) (ASCIA) and the United Kingdom Department of Health (UKDOH)-published EPI approaches. RESULTS: Screening peanut skin testing of all children with early-onset eczema and/or egg allergy before in-office peanut introduction was dominated by a no screening approach, in terms of number of cases of peanut allergy prevented, quality-adjusted life years (QALY), and healthcare costs, although screening resulted in a slightly lower rate of allergic reactions to peanut per patient in high-risk children. Considering costs of peanut allergy in high-risk children, the per-patient cost of early introduction without screening over the model horizon was $6556.69 (95%CI, $6512.76-$6600.62), compared with a cost of $7576.32 (95%CI, $7531.38-$7621.26) for skin test screening prior to introduction. From a US societal perspective, screening prior to introduction cost $654 115 322 and resulted in 3208 additional peanut allergy diagnoses. Both screening and nonscreening approaches dominated deliberately delayed peanut introduction. CONCLUSIONS: A no-screening approach for EPI has superior health and economic benefits in terms of number of peanut allergy cases prevented, QALY, and total healthcare costs compared to screening and in-office peanut introduction.
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 | 0,010 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».