A cost–utility analysis of dulaglutide versus insulin glargine as third-line therapy for Type 2 diabetes in Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIM: The prevalence of Type 2 diabetes in Canada is estimated to be 7.6% and rising. Given the substantial economic burden associated with Type 2 diabetes treatment, optimizing healthcare expenditure is extremely important. In the present analysis, we evaluated the cost-effectiveness of dulaglutide 1.5 mg, a once-weekly glucagon-like peptide 1 agonist as third-line therapy relative to insulin glargine from the perspective of a Canadian healthcare payer. METHODS: A patient-level cost-utility model of Type 2 diabetes was developed to capture seven microvascular and macrovascular complications and severe and nonsevere hypoglycemia. Cohort characteristics and the relative efficacy of dulaglutide 1.5 mg and insulin glargine were derived from the AWARD-2 head-to-head trial, which was identified by systematic literature review. Cost data were derived from Canadian sources and expressed in 2016 Canadian dollars (CAD), and future cost and quality-adjusted life expectancy (QALE) estimates were discounted at 1.5% per annum. One-way and probabilistic sensitivity analyses were conducted. RESULTS: Based on the AWARD-2 trial, relative to insulin glargine, dulaglutide 1.5 mg was projected to increase QALE by 0.38 quality-adjusted life years and increase costs by CAD 19,773, resulting in an incremental cost-effectiveness ratio of CAD 52,580 per quality-adjusted life year gained. CONCLUSION: A computer simulation analysis showed that dulaglutide 1.5 mg would likely be cost-effective relative to insulin glargine in patients with Type 2 diabetes inadequately controlled on metformin and sulfonylurea in Canada.
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.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 découle