Model to Determine the Cost‐Effectiveness of Screening Psoriasis Patients for Psoriatic Arthritis
Notice bibliographique
Résumé
OBJECTIVE: Screening psoriasis patients for psoriatic arthritis (PsA) is intended to identify patients at earlier stages of the disease. Early treatment is expected to slow disease progression and delay the need for biologic therapy. Our objective was to determine the cost-effectiveness of screening for PsA in patients with psoriasis in Canada. METHODS: A Markov model was built to estimate the costs and quality-adjusted life years (QALYs) of screening tools for PsA in psoriasis patients. The screening tools included the Toronto Psoriatic Arthritis Screen, Psoriasis Epidemiology Screening Tool, Psoriatic Arthritis Screening and Evaluation, and Early Psoriatic Arthritis Screening Questionnaire (EARP) questionnaires. States of health were defined by disability levels as measured by the Health Assessment Questionnaire. State transitions were modeled based on annual disease progression. Incremental cost-effectiveness ratios and incremental net monetary benefits were estimated. Sensitivity analyses were undertaken to account for parameter uncertainty and to test model assumptions. RESULTS: Screening was cost-effective compared to no screening. The EARP tool had the lowest total cost ($2,000 per patient per year saved compared to no screening) and the highest total QALYs (additional 0.18 per patient compared to no screening). The results were most sensitive to test accuracy and the efficacy of disease-modifying antirheumatic drugs (DMARDs). No screening was cost-effective (at $50,000 per QALY) relative to screening when DMARDs failed to slow disease progression. CONCLUSION: If early therapy with DMARDs delays biologic treatment, implementing screening in patients with psoriasis in Canada is expected to represent a cost savings of $220 million per year and improve the quality of life.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 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 ».