Economically Efficient Hepatitis C Virus Treatment Prioritization Improves Health Outcomes
Notice bibliographique
Résumé
BACKGROUND: The total cost of treating the 3 million Americans chronically infected with hepatitis C virus (HCV) represents a substantial affordability challenge requiring treatment prioritization. This study compares the health and economic outcomes of alternative treatment prioritization schedules. METHODS: We developed a multiyear HCV treatment budget allocation model to evaluate the tradeoffs of 7 prioritization strategies. We used optimization to identify the priority schedule that maximizes population net monetary benefit (NMB). We compared prioritization schedules in terms of the number of individuals treated, the number of individuals who progress to end-stage liver disease (ESLD), and population total quality-adjusted life years (QALYs). We applied the model to the population of treatment-naive patients with a total annual HCV treatment budget of US$8.6 billion. RESULTS: First-come, first-served (FCFS) treats the fewest people with advanced fibrosis, prevents the fewest cases of ESLD, and gains the fewest QALYs. A schedule developed from optimizing population NMB prioritizes treatment in the first year to patients with moderate to severe fibrosis who are younger than 65 years, followed by older individuals with moderate to severe fibrosis. While this strategy yields the greatest population QALYs, prioritization by disease severity alone prevents more cases of ESLD. Sensitivity analysis indicated that the differences between prioritization schedules are greater when the budget is smaller. A 10% annual treatment price reduction enabled treatment 1 year sooner to several patient subgroups, specifically older patients and those with less severe liver fibrosis. CONCLUSION: In the absence of a sufficient budget to treat all patients, explicit prioritization targeting younger people with more severe disease first provides the greatest health benefits. We provide our spreadsheet model so that decision makers can compare health tradeoffs of different budget levels and various prioritization strategies with inputs tailored to their population.
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 | 0,011 | 0,008 |
| 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) | 0,003 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».