Economic Evaluation of Extended Early Intervention Service vs Regular Care Following 2 Years of Early Intervention: Secondary Analysis of a Randomized Controlled Trial
Notice bibliographique
Résumé
Cost-effectiveness studies of early intervention services (EIS) for psychosis have not included extension beyond the first 2 years. We sought to evaluate the cost-effectiveness of a 3-year extension of EIS compared to regular care (RC) from the public health care payer's perspective. Following 2 years of EIS in a university setting in Montreal, Canada, patients were randomized to a 3-year extension of EIS (n = 110) or RC (n = 110). Months of total symptom remission served as the main outcome measure. Resource use and cost data for publicly covered health care services were derived mostly from administrative systems. The incremental cost-effectiveness ratio (ICER) and cost-effectiveness acceptability curve were produced. Relative cost-effectiveness was estimated for those with duration of untreated psychosis (DUP) of 12 weeks or less vs longer. Extended early intervention had higher costs for psychiatrist and nonphysician interventions, but total costs were not significantly different. The ICER was $1627 per month in total remission. For the intervention to have an 80% chance of being cost-effective, the decision-maker needs to be willing to pay $5942 per month of total symptom remission. DUP ≤ 12 weeks was associated with a reduction in costs of $12 276 even if no value is placed on additional months in total remission. Extending EIS for psychosis for people, such as those included in this study, may be cost-effective if the decision-maker is willing to pay a high price for additional months of total symptom remission, though one commensurate with currently funded interventions. Cost-effectiveness was much greater for people with DUP ≤12 weeks.
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 | 0,029 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,003 | 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 ».