Cost-effectiveness of universally funding smoking cessation pharmacotherapy
Notice bibliographique
Résumé
RATIONALE: Tobacco use is the leading cause of preventable death in Canada and worldwide. Funding smoking cessation pharmacotherapy increases the likelihood of smoking cessation pharmacotherapy use, making a quit attempt, and the probability of abstinence from smoking.OBJECTIVES: The aim of our study was to model the cost-effectiveness of a health policy of funding smoking cessation pharmacotherapy for all Canadian smokers at no cost to the patient.METHODS: Using data from a Cochrane Review meta-analysis, a decision model incorporating utilization of smoking cessation products, quit rates, six-month continuous abstinence rates, relapse rate, and direct costs of smoking cessation pharmacotherapy and physician visits associated with full funding of smoking cessation pharmacotherapy for one quit attempt compared to no funding was constructed, and a sensitivity analysis was conducted incorporating variation in all inputs used. Our primary outcome was the incremental cost per life-year gained from universally funding smoking cessation pharmacotherapy compared to no funding for the average Canadian smoker.RESULTS: The average incremental cost per life-year gained of funding smoking cessation pharmacotherapy compared to no funding in the overall population was CaD$1030 (range CaD$250–10,040) per life-year gained. In our cost-effectiveness analysis, the probability that universally funding smoking cessation pharmacotherapy is cost-effective is >95% at a willingness-to-pay threshold as low as CaD$10,000 per life year gained.CONCLUSION: Universally funding smoking cessation pharmacotherapy appears cost-effective when compared to currently funded interventions in our healthcare system. Policy makers and government decision makers should fully fund smoking cessation pharmacotherapy for all Canadian smokers.
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 | 0,008 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».