Cost-Effectiveness of Osteoporosis Interventions to Improve Quality of Care After Upper Extremity Fracture: Results From a Randomized Trial (C-STOP Trial)
Notice bibliographique
Résumé
We assessed the cost-effectiveness of two models of osteoporosis care after upper extremity fragility fracture using a high-intensity Fracture Liaison Service (FLS) Case-Manager intervention versus a low-intensity FLS (ie, Active Control), and both relative to usual care. This analysis used data from a pragmatic patient-level parallel-arm comparative effectiveness trial of 361 community-dwelling participants 50 years or older with upper extremity fractures undertaken at a Canadian academic hospital. We used a decision-analytic Markov model to evaluate the cost-effectiveness of the three treatment alternatives. The perspective was health service payer; the analytical horizon was lifetime; costs and health outcomes were discounted by 3%. Costs were expressed in 2016 Canadian dollars (CAD) and the health effect was measured by quality adjusted life years (QALYs). The average age of enrolled patients was 63 years and 89% were female. Per patient cost of the Case Manager and Active Control interventions were $66CAD and $18CAD, respectively. Compared to the Active Control, the Case Manager saved $333,000, gained seven QALYs, and averted nine additional fractures per 1000 patients. Compared to usual care, the Case Manager saved $564,000, gained 14 QALYs, and incurred 18 fewer fractures per 1000 patients, whereas the Active Control saved $231,000, gained seven QALYs, and incurred nine fewer fractures per 1000 patients. Although both interventions dominated usual care, the Case Manager intervention also dominated the Active Control. In 5000 probabilistic simulations, the probability that the Case Manager intervention was cost-effective was greater than 75% whereas the Active Control intervention was cost-effective in less than 20% of simulations. In summary, although the adoption of either of these approaches into clinical settings should lead to cost savings, reduced fractures, and increased quality-adjusted life for older adults following upper extremity fracture, the Case Manager intervention would be the most likely to be cost-effective. © 2019 American Society for Bone and Mineral Research.
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 | 0,010 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 ».