Cost-effectiveness of an indicated preventive intervention for depression in adolescents: a model to support decision making
Notice bibliographique
Résumé
BACKGROUND: Adolescent depression has negative health and economic outcomes in the short- and long-term. Indicated preventive interventions, in particular group based cognitive behavioural therapy (GB-CBT), are effective in preventing depression in adolescents with subsyndromal depression. However, little is known about the cost-effectiveness of these interventions. METHODS: A Markov cohort model was used to conduct cost-effectiveness analyses comparing a GB-CBT indicated preventive intervention for depression, to a no-intervention option in a Swedish setting. Taking a time horizon of 5- and 10 years, incremental differences in societal costs and health benefits expressed as differences in the proportion of cases of depression prevented, and as quality adjusted life years (QALYs) gained were estimated. Through univariate and probabilistic sensitivity analyses, the robustness of the results was explored. Costs, presented in 2018 USD, and effects were discounted at a yearly rate of 3%. RESULTS: The base-case analysis showed that GB-CBT indicated preventive intervention incurred lower costs, prevented a larger proportion of cases of depression and generated higher QALYs compared to the no-intervention option for both time horizons. Offering the intervention was even a cost saving strategy and demonstrated a probability of being cost-effective of over 95%. In the sensitivity analyses, these results were robust to the modelling assumptions. LIMITATIONS: The study considered a homogeneous cohort and assumed a constant annual decay rate of the relative treatment effect. CONCLUSIONS: GB-CBT indicated preventive interventions for depression in adolescence can generate good value for money compared to leaving adolescents with subsyndromal depression untreated.
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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 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 ».