The STarT Back stratified care model for nonspecific low back pain: a model-based evaluation of long-term cost-effectiveness
Notice bibliographique
Résumé
ABSTRACT: The STarT Back approach comprises subgrouping patients with low back pain (LBP) according to the risk of persistent LBP-related disability, with appropriate matched treatments. In a 12-month clinical trial and implementation study, this stratified care approach was clinically and cost-effective compared with usual, nonstratified care. Despite the chronic nature of LBP and associated economic burden, model-based economic evaluations in LBP are rare and have shortcomings. This study therefore produces a de novo decision model of this stratified care approach for LBP management to estimate the long-term cost-effectiveness and address methodological concerns in LBP modelling. A cost-utility analysis from the National Health Service perspective compared stratified care with usual care in patients consulting in primary care with nonspecific LBP. A Markov state-transition model was constructed where patient prognosis over 10 years was dependent on physical function achieved at 12 months. Data from the clinical trial and implementation study provided short-term model parameters, with extrapolation using 2 cohort studies of usual care in LBP. Base-case results indicate this model of stratified care is cost-effective, delivering 0.14 additional quality-adjusted life years at a cost saving of £135.19 per patient over a time horizon of 10 years. Sensitivity analyses indicate the approach is likely to be cost-effective in all scenarios and cost saving in most. It is likely this stratified care model will help reduce unnecessary healthcare usage while improving the patient's quality of life. Although decision-analytic modelling is used in many conditions, its use has been underexplored in LBP, and this study also addresses associated methodological challenges.
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 | 0,008 | 0,002 |
| 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 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 ».