Cost-effectiveness of prenatal screening and diagnostic strategies for Down syndrome: A microsimulation modeling analysis
Notice bibliographique
Résumé
OBJECTIVES: Down syndrome (DS) is the most frequently occurring fetal chromosomal abnormality and different prenatal screening strategies are used for determining risk of DS worldwide. New non-invasive prenatal testing (NIPT), which uses cell-free fetal DNA in maternal blood can provide benefits due to its higher sensitivity and specificity in comparison to conventional screening tests. This study aimed to assess the cost-effectiveness of using population-level NIPT in fetal aneuploidy screening for DS. METHODS: We developed a microsimulation decision-analytic model to perform a probabilistic cost-effectiveness analysis (CEA) of prenatal screening and diagnostic strategies for DS. The model followed individual simulated pregnant women through the pregnancy pathway. The comparators were serum-only screening, contingent NIPT (i.e., NIPT as a second-tier screening test) and universal NIPT (i.e., NIPT as a first-tier screening test). To address uncertainty around the model parameters, the expected values of costs and quality-adjusted life-years (QALYs) in the base case and all scenario analyses were obtained through probabilistic analysis from a Monte Carlo simulation. RESULTS: Base case and scenario analyses were conducted by repeating the micro-simulation 1,000 times for a sample of 45,605 pregnant women per the population of British Columbia, Canada (N = 4.8 million). Preliminary results of the sequential CEAs showed that contingent NIPT was a dominant strategy compared to serum-only screening. Compared with contingent NIPT, universal NIPT at the current test price was not cost-effective with an incremental cost-effectiveness ratio over $100,000/QALY. Contingent NIPT also had the lowest cost per DS case detected among these three strategies. CONCLUSION: Including NIPT in existing prenatal screening for DS is shown to be beneficial over conventional testing. However, at current prices, implementation of NIPT as a second-tier screening test is more cost-effective than deploying it as a universal test.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 ».