Drones and digital adherence monitoring for community-based tuberculosis control in remote Madagascar: A cost-effectiveness analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Continuing tuberculosis control with current approaches is unlikely to reach the World Health Organization's objective to eliminate TB by 2035. Innovative interventions such as unmanned aerial vehicles (or drones) and digital adherence monitoring technologies have the potential to enhance patient-centric quality tuberculosis care and help challenged National Tuberculosis Programs leapfrog over the impediments of conventional Directly Observed Therapy (DOTS) implementation. A bundle of innovative interventions referred to for its delivery technology as the Drone Observed Therapy System (DrOTS) was implemented in remote Madagascar. Given the potentially increased cost these interventions represent for health systems, a cost-effectiveness analysis was indicated. METHODS: A decision analysis model was created to calculate the incremental cost-effectiveness of the DrOTS strategy compared to DOTS, the standard of care, in a study population of 200,000 inhabitants in rural Madagascar with tuberculosis disease prevalence of 250/100,000. A mixed top-down and bottom-up costing approach was used to identify costs associated with both models, and net costs were calculated accounting for resulting TB treatment costs. Net cost per disability-adjusted life years averted was calculated. Sensitivity analyses were performed for key input variables to identify main drivers of health and cost outcomes, and cost-effectiveness. FINDINGS: Net cost per TB patient identified within DOTS and DrOTS were, respectively, $282 and $1,172. The incremental cost per additional TB patient diagnosed in DrOTS was $2,631 and the incremental cost-effectiveness ratio of DrOTS compared to DOTS was $177 per DALY averted. Analyses suggest that integrating drones with interventions ensuring highly sensitive laboratory testing and high treatment adherence optimizes cost-effectiveness. CONCLUSION: Innovative technology packages including drones, digital adherence monitoring technologies, and molecular diagnostics for TB case finding and retention within the cascade of care can be cost effective. Their integration with other interventions within health systems may further lower costs and support access to universal health coverage.
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.
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 | 0,000 |
| 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 découle