Cost savings with transcutaneous screening versus total serum bilirubin measurement for newborn jaundice in hospital and community settings: a cost-minimization analysis
Notice bibliographique
Résumé
Background: Leading authorities in North America recommend universal screening via total serum bilirubin (TSB) measurement or transcutaneous bilirubinometry (TcB) for kernicterus prevention. We assessed costs associated with these 2 screening methods in hospital and in urban and rural community settings. Methods: Our tertiary care centre in Saskatoon, with about 5600 births per year, serves the local population of 300 000; in addition, 30% of patients are referred from outside the local community and surrounding area. We obtained health administrative data for two 6-month periods: before (June 1 to Nov. 30, 2015 [TSB program]) and after (June 1 to Nov. 30, 2016 [TcB–TSB program]) implementation of universal screening with TcB. Data on nurses’ time and mileage were collected to assess the mean time for screening and sample transportation. We performed a cost-minimization analysis. Results: The observed requirement for TSB blood draws decreased by 71.4% after implementation of TcB (1383.2/1000 live births to 397.8/1000 live births), whereas the overall number of screens increased from 1383.2 to 2758.6/1000 live births. The mean time per screen decreased from 12.52 (95% confidence interval [CI] 10.44–14.59) minutes with TSB to 2.94 (95% CI 2.55–3.33) minutes with TcB (p < 0.001). The estimated cost per TcB screen in hospital and community (urban and rural) settings was $3.54 and $3.76, respectively, and the estimated cost per TSB screen in hospital and in urban and rural community settings was $15.82, $50.21 and $65.03, respectively. The estimated overall 6-month savings with the TcB–TSB hospital and community programs were $19 760 and $6417, respectively. Interpretation: The TcB–TSB program reduced nurses’ time to screen and provided immediate results at the point of care. Transcutaneous bilirubinometry reduced the requirement for painful heel pokes while improving access to screening and decreasing the overall program cost.
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 | 0,007 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,007 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».