Modelling potential cost savings from use of real‐time continuous glucose monitoring in pregnant women with Type 1 diabetes
Notice bibliographique
Résumé
AIM: To investigate potential cost savings associated with the use of real-time continuous glucose monitoring (RT-CGM) throughout pregnancy in women with Type 1 diabetes. METHODS: A budget impact model was developed to estimate, from the perspective of National Health Service England, the total costs of managing pregnancy and delivery in women with Type 1 diabetes using self-monitoring of blood glucose (SMBG) with and without RT-CGM. It was assumed that the entire modelled cohort (n = 1441) would use RT-CGM from 10 to 38 weeks' gestation (7 months). Data on pregnancy and neonatal complication rates and related costs were derived from published literature, national tariffs, and device manufacturers. RESULTS: The cost of glucose monitoring was £588 with SMBG alone and £1820 with RT-CGM. The total annual costs of managing pregnancy and delivery in women with Type 1 diabetes were £23 725 648 with SMBG alone, and £14 165 187 with SMBG and RT-CGM; indicating potential cost savings of approximately £9 560 461 from using RT-CGM. The principal drivers of cost savings were the daily cost of neonatal intensive care unit (NICU) admissions (£3743) and the shorter duration of NICU stay (mean 6.6 vs. 9.1 days respectively). Sensitivity analyses showed that RT-CGM remained cost saving, albeit to lesser extents, across a range of NICU costs and durations of hospital stay, and with varying numbers of daily SMBG measurements. CONCLUSIONS: Routine use of RT-CGM by pregnant women with Type 1 diabetes, would result in substantial cost savings, mainly through reductions in NICU admissions and shorter duration of NICU care.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 ».