MétaCan
Menu
Retour à la cohorte
Enregistrement W3083573925 · doi:10.1186/s12916-020-01704-9

Cost-effectiveness of a lifestyle intervention in high-risk individuals for diabetes in a low- and middle-income setting: Trial-based analysis of the Kerala Diabetes Prevention Program

2020· article· en· W3083573925 sur OpenAlexaff
Thirunavukkarasu Sathish, Brian Oldenburg, Kavumpurathu Raman Thankappan, Pilvikki Absetz, Jonathan E. Shaw, Robyn J. Tapp, Paul Zimmet, Sajitha Balachandran, Suman Surendra Shetty, Zahra Aziz, Ajay Mahal

Notice bibliographique

RevueBMC Medicine · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Education
Établissements canadiensPopulation Health Research Institute
Organismes subventionnairesFogarty International CenterNational Health and Medical Research CouncilMedical Research CouncilEuropean Foundation for the Study of DiabetesNational Institutes of HealthUniversity of MelbourneAmerican Academy of Family Physicians Foundation
Mots-clésMedicineCost effectivenessRandomized controlled trialPer capitaGross national incomeDiabetes mellitusIntervention (counseling)Environmental healthGerontologyDemographyGross domestic productPopulationNursingSurgeryEconomic growth

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Data on the cost-effectiveness of lifestyle-based diabetes prevention programs are mostly from high-income countries, which cannot be extrapolated to low- and middle-income countries. We performed a trial-based cost-effectiveness analysis of a lifestyle intervention targeted at preventing diabetes in India. METHODS: The Kerala Diabetes Prevention Program was a cluster-randomized controlled trial of 1007 individuals conducted in 60 polling areas (electoral divisions) in Kerala state. Participants (30-60 years) were those with a high diabetes risk score and without diabetes on an oral glucose tolerance test. The intervention group received a 12-month peer-support lifestyle intervention involving 15 group sessions delivered in community settings by trained lay peer leaders. There were also linked community activities to sustain behavior change. The control group received a booklet on lifestyle change. Costs were estimated from the health system and societal perspectives, with 2018 as the reference year. Effectiveness was measured in terms of the number of diabetes cases prevented and quality-adjusted life years (QALYs). Three times India's gross domestic product per capita (US$6108) was used as the cost-effectiveness threshold. The analyses were conducted with a 2-year time horizon. Costs and effects were discounted at 3% per annum. One-way and multi-way sensitivity analyses were performed. RESULTS: Baseline characteristics were similar in the two study groups. Over 2 years, the intervention resulted in an incremental health system cost of US$2.0 (intervention group: US$303.6; control group: US$301.6), incremental societal cost of US$6.2 (intervention group: US$367.8; control group: US$361.5), absolute risk reduction of 2.1%, and incremental QALYs of 0.04 per person. From a health system perspective, the cost per diabetes case prevented was US$95.2, and the cost per QALY gained was US$50.0. From a societal perspective, the corresponding figures were US$295.1 and US$155.0. For the number of diabetes cases prevented, the probability for the intervention to be cost-effective was 84.0% and 83.1% from the health system and societal perspectives, respectively. The corresponding figures for QALY gained were 99.1% and 97.8%. The results were robust to discounting and sensitivity analyses. CONCLUSIONS: A community-based peer-support lifestyle intervention was cost-effective in individuals at high risk of developing diabetes in India over 2 years. TRIAL REGISTRATION: The trial was registered with Australia and New Zealand Clinical Trials Registry ( ACTRN12611000262909 ). Registered 10 March 2011.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,434

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,342
Écart entre enseignants0,294 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations34
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC MedicineMême sujetDiabetes Management and EducationTravaux en français237 207