Cost-effectiveness of telemonitoring screening for diabetic foot ulcer: a mathematical model
Notice bibliographique
Résumé
BACKGROUND: One of the most common (and costly) complications of diabetes are diabetic foot ulcers, which often result in lower-extremity amputation. Regular foot care can reduce complications; however, roughly half of Canadians with diabetes do not participate in screening. We sought to evaluate the economic effects of using telemonitoring for diabetic foot ulcer prevention using mathematical modelling. METHODS: We used Markov modelling to compare current screening standards (standard care) to population-wide and targeted (high-risk) telemonitoring programs in a hypothetical cohort of Canadian patients aged 60 years. We varied the effectiveness (or outcome), defined as the proportion of diabetic foot ulcers prevented, to explore cost-effectiveness using model parameters from published literature and clinical experts. RESULTS: At 20%-40% effectiveness, population-based prevention resulted in 0.00399-0.00790 quality-adjusted life years (QALYs) gained per person over 5 years and an incremental cost of $479-$402 compared to standard care. At 15%-40% effectiveness, high-risk prevention resulted in a cost decrease per person over 5 years ($1.26-$25.55), with health benefits of 0.000207-0.00058 QALYs gained. INTERPRETATION: The use of telemonitoring in the diabetic lower extremity can offer patients better quality of life and can be cost-effective compared to current Canadian screening practices. Future work should focus on developing and validating technologies based on objective outcome measures for remote monitoring of the diabetic foot.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».