Cost-effectiveness of Catheter Ablation Versus Antiarrhythmic Drug Therapy for the Treatment of Atrial Fibrillation: A Canadian Perspective
Notice bibliographique
Résumé
Background: Atrial fibrillation (AF) affects approximately 350,000 Canadians and has an estimated annual economic burden exceeding $800 million dollars. Anti-arrhythmic drug (AAD) therapy and catheter ablation (CA) are the two common treatments for paroxysmal AF. However, the upfront costs of CA are quite substantial. Objective: The objective of this study was to assess the cost-effectiveness of CA compared to AAD for AF based on community practice. Methods: A Markov simulation model was developed for a hypothetical cohort of 55-year-old patients with paroxysmal AF and a low stroke risk. Patients received either CA or AAD. Costs and quality-adjusted life years (QALYs) were computed over lifetime, 10-year, and 5-year time horizons. Model inputs were obtained from a large, prospectively collected, single-center Canadian registry and augmented with the published literature, using Canadian cost estimates for disease states. Threshold values of $25,000, $50,000, and $100,000 per QALY, respectively, were used to determine cost-effectiveness. All costs were expressed in 2012 Canadian dollars. Results: The incremental cost-effectiveness ratio for CA versus AAD therapy was $1,228, $22,879, and $63,647 for the lifetime, 10-year, and 5-year time horizons, respectively. Over a lifetime horizon, the probability of achieving cost-effectiveness was 100% for all 3 cost per QALY thresholds. The 10-year probability of achieving cost-effectiveness was 74%, 100%, and 100% at the $25,000, $50,000, and $100,000 thresholds, respectively. The 5-year probability of achieving cost-effectiveness was 0%, 0.9%, and 100% at the 3 cost per QALY thresholds. Results were most sensitive to time horizon, probability of repeat AF ablation, and stroke rate. Conclusions: From the perspective of the Canadian Healthcare system, CA is a potentially cost-effective treatment compared to AAD therapy in a low stroke risk population using real-world data when examining a time horizon of greater than 5 years.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».