Patient-level micro-simulation model for evaluating the future potential cost–effectiveness of pharmacy-based interventions in the control and management of diabetes-related complications in Canada
Notice bibliographique
Résumé
Abstract Background The increased risk of complications among diabetes patients poses a serious threat to population health. Pharmacy-based interventions can decrease the burden of diabetes and its related complications. This study evaluates the cost-effectiveness of pharmacy-based interventions and offers insights on the practicality of their adoption by health practitioners. Methods We developed population-based micro-simulation model using 2,931 patients with diabetes in Canada. We used the risk equations on the UK Prospective Diabetes Study (UKPDS) to estimate the incidence and mortality of four of the most common diabetes-related complications (heart failure, stroke, amputation, and blindness). We extrapolated the potential effects of pharmacy interventions on reducing time-varying risk factors for diabetes complications. Cost was quantified as the annual cost of complications; and, the cost associated with pharmacy-based interventions. The final outcomes were the incremental costs per quality-adjusted life years (QALY) gained. Both deterministic and probabilistic sensitivity analysis were conducted to examine the robustness of the ratio. Result Pharmacy-based interventions could prevent 155 preventable deaths, 159 strokes, 29 cases of blindness, 24 amputations, and 19 heart failures across the lifetime of 2,931 patients. In addition, an estimated 953 QALYs (0.32 per patient) would be gained among the intervention group. Per QALY, the incremental discounted cost is $3,928, suggesting that pharmacy-based interventions are likely cost-effective compared to usual care. At an ICER threshold of $50,000, over 92% of the simulation remains cost-effective. Conclusion Pharmacist-based interventions targeted at addressing the development of diabetes-related complications among Canadian patients have the potential to offer a cost-effective strategy.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,007 | 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 ».