MétaCan
Menu
← Retour à la cohorte
Enregistrement W2902541725 · doi:10.1161/circ.135.suppl_1.p176

Abstract P176: Impact of Serious Adverse Event Risks on the Cost-effectiveness of Intensive Blood Pressure Goals in Patients Aged ≥75 Years

2017· article· en· W2902541725 sur OpenAlexaff
Natalia Ruiz‐Negrón, Brandon K. Bellows, Adam P. Bress, Jordan B. King, Rachel Hess, Srinivasan Beddhu, Zugui Zhang, Dan R. Berlowitz, Mark A. Supiano, William S. Weintraub, Andrew E. Moran

Notice bibliographique

RevueCirculation · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensBrandon University
Organismes subventionnairesnon disponible
Mots-clésMedicineSprintBlood pressureAdverse effectIntensive careEmergency medicineRisk assessmentQuality-adjusted life yearIntensive care medicineCost effectivenessPhysical therapyInternal medicineRisk analysis (engineering)

Résumé

récupéré en direct d'OpenAlex

Background: Compared to the overall Systolic Blood Pressure Intervention Trial (SPRINT) results, patients aged ≥75 years at baseline had a greater reduction in cardiovascular disease (CVD) events and all-cause mortality with an intensive systolic blood pressure (SBP) goal (<120 mmHg) compared to a standard SBP goal (<140 mmHg). Applying an intensive SBP goal in high-risk older patients represents a major shift in clinical practice and may increase concern for medication-related severe adverse events (SAEs). We hypothesized that the benefits of reduced CVD risk would outweigh the increased costs and SAE risk of intensive vs. standard SBP goals in SPRINT-eligible patients aged ≥75 years even when considering variable SAE risks. Methods: A microsimulation health-state transition model of 10,000 patients was created to estimate the CVD events, SAEs, quality-adjusted life years (QALYs), and direct healthcare costs of intensive vs. standard SBP goals. The model assumed patients were adherent to treatment during the median SPRINT follow-up, but that all patients would become non-adherent over 5 years. While adherent, CVD and SAE risks were derived from published SPRINT effect estimates for the ≥75 subgroup. Due to uncertainty in the SAE risk associated with intensive SBP goals in older adults, the intensive arm SAE risk was varied to determine the point at which treatment costs and harms outweighed CVD benefits at accepted willingness-to-pay thresholds. Healthcare costs and health state utilities were derived from national sources and other published estimates. Results: If SAE risk was equal to the observed rates in SPRINT, mean lifetime costs and QALYs were $268,000 and 7.85 for the intensive arm, and $262,000 and 7.60 for the standard arm. The resulting incremental cost-effectiveness ratio (ICER) was about $26,000 per QALY gained. However, as SAE risk in the intensive arm increased by 1.5, 2, and 2.5 times, the ICER increased to $33,000, $43,000, and $55,000 per QALY gained, respectively. Conclusion: Intensive SBP goals may be a cost-effective way to reduce CVD events and improve survival in patients aged ≥75 years, but safety and cost-effectiveness depend on medication-related SAE risk. However, these results are based on summary data and do not account for clustering of risks at the individual patient level. Thus, more precise prediction of risks and benefits is needed to guide selection of older patients for intensive SBP treatment goals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,270
Tête enseignante GPT0,438
Écart entre enseignants0,169 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculation→Même sujetHealth Systems, Economic Evaluations, Quality of Life→Travaux en français237 207→