Economic Evaluation of an Internet-Based Stress Management Intervention Alongside a Randomized Controlled Trial
Notice bibliographique
Résumé
BACKGROUND: Work-related stress is widespread among employees and associated with high costs for German society. Internet-based stress management interventions (iSMIs) are effective in reducing such stress. However, evidence for their cost-effectiveness is scant. OBJECTIVE: The aim of this study was to assess the cost-effectiveness of a guided iSMI for employees. METHODS: A sample of 264 employees with elevated symptoms of perceived stress (Perceived Stress Scale≥22) was assigned to either the iSMI or a waitlist control condition (WLC) with unrestricted access to treatment as usual. Participants were recruited in Germany in 2013 and followed through 2014, and data were analyzed in 2017. The iSMI consisted of 7 sessions plus 1 booster session. It was based on problem-solving therapy and emotion regulation techniques. Costs were measured from the societal perspective, including all direct and indirect medical costs. We performed a cost-effectiveness analysis and a cost-utility analysis relating costs to a symptom-free person and quality-adjusted life years (QALYs) gained, respectively. Sampling uncertainty was handled using nonparametric bootstrapping (N=5000). RESULTS: When the society is not willing to pay anything to get an additional symptom-free person (eg, willingness-to-pay [WTP]=€0), there was a 70% probability that the intervention is more cost-effective than WLC. This probability rose to 85% and 93% when the society is willing to pay €1000 and €2000, respectively, for achieving an additional symptom-free person. The cost-utility analysis yielded a 76% probability that the intervention is more cost-effective than WLC at a conservative WTP threshold of €20,000 (US $25,800) per QALY gained. CONCLUSIONS: Offering an iSMI to stressed employees has an acceptable likelihood of being cost-effective compared with WLC. TRIAL REGISTRATION: German Clinical Trials Register DRKS00004749; https://www.drks.de/DRKS00004749. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): RR2-10.1186/1471-2458-13-655.
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 | 0,014 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,009 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,001 |
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 ».