The cost-effectiveness of screening tools used in the diagnosis of fetal alcohol spectrum disorder: a modelled analysis
Notice bibliographique
Résumé
BACKGROUND: Fetal Alcohol Spectrum Disorder (FASD) is characterized by physical and neurological abnormalities resulting from prenatal alcohol exposure. Though diagnosis may help improve patient outcomes, the diagnostic process can be costly. Subsequently, screening children suspected of FASD prior to diagnostic testing has been suggested, to avoid administering testing to children who are unlikely to receive a diagnosis. The present study set out to assess the cost-effectiveness of currently recommended FASD screening tools. METHODS: The screenings tools evaluated were chosen from Children's Healthcare Canada's National Screening Toolkit for Children and Youth Identified and Potentially Affected by FASD and include meconium testing of fatty acid ethyl esters (meconium testing) and the neurobehavioral screening tool (NST). An economic model was constructed to assess cost-effectiveness. One-way and probabilistic sensitivity analyses were conducted to assess the robustness of findings. Costs reflect 2017 Canadian dollars and the perspective is the public healthcare system. RESULTS: Both screening tools evaluated resulted in reduced costs and fewer diagnosed years of life than a no screening strategy in which all children suspected of FASD receive diagnostic testing. The model predicts that screening newborns with meconium testing results in a reduced cost of $89,186 per 100 individuals screened and 38 fewer diagnosed years of life by age 18, corresponding to an incremental cost-effectiveness ratio (ICER) of $2359. Screening children with the NST resulted in a reduced cost of $183,895 per 100 individuals screened and 77 fewer diagnosed years of life by age 18, corresponding to an ICER of $2390. CONCLUSION: Findings suggest that screening is associated with less use of healthcare recourses but also fewer years of life with an FASD diagnosis over a no screening strategy. Since diagnosis can be key to children receiving timely and appropriate health and educational services, cost-savings must be weighed against the fewer years of life with a diagnosis associated with screening.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».