Structuring a conceptual model for cost-effectiveness analysis of frailty interventions
Notice bibliographique
Résumé
BACKGROUND: Frailty is a major health issue which impacts the life of older people, posing a significant challenge to the health system. One of the key emerging areas is the development of frailty interventions to halt or reverse the progression of the condition. In many countries, economic evidence is required to inform public funding decisions for such interventions, and cost-effectiveness models are needed to estimate long-term costs and effects. Such models should capture current clinical understanding of frailty, its progression and its health consequences. The objective of this paper is to present a conceptual model of frailty that can be used to inform the development of a cost-effectiveness model to evaluate frailty interventions. METHODS: After critical analysis of the clinical and economic literature, a Delphi study consisting of experts from the disciplines of clinical medicine and epidemiology was undertaken to inform the key components of the conceptual model. We also identified relevant databases that can be used to populate and validate the model. RESULTS: A list of significant health states/events for which frailty is a strong independent risk factor was identified (e.g., hip fracture, hospital admission, delirium, death). We also identified a list of important patient attributes that may influence disease progression (e.g., age, gender, previous hospital admissions, depression). A number of large-scale relevant databases were also identified to populate and validate the cost-effectiveness model. Face validity of model structure was confirmed by experts. DISCUSSION AND CONCLUSIONS: The proposed conceptual model is being used as a basis for developing a new cost-effectiveness model to estimate lifetime costs and outcomes associated with a range of frailty interventions. Using an appropriate model structure, which more accurately reflects the natural history of frailty, will improve model transparency and accuracy. This will ultimately lead to better informed public funding decisions around interventions to manage frailty.
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 | 0,037 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,007 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».