Treatment of Moderate to Severe Respiratory COVID-19—A Cost-Utility Analysis
Notice bibliographique
Résumé
Abstract Background Due to COVID-19’s significant morbidity and mortality, identifying the most cost-effective pharmacologic treatment strategy is critical. As such, we determined the most cost-effective strategy for moderate to severe COVID-19 respiratory infections using the United States health care system as a representative model. Methods A decision analytic model modelled a base case scenario of a 60-year-old patient admitted to hospital with COVID-19. Patients requiring oxygen were considered moderate severity, and patients with severe COVID-19 required intubation with intensive care. Strategies modelled included giving remdesivir to all patients, remdesivir in severe infections, remdesivir in moderate infections, dexamethasone to all patients, dexamethasone in severe infections, remdesivir in moderate/dexamethasone in severe infections, and best supportive care. Data for the model came from the published literature. The time horizon was 1 year; no discounting was performed due to the short duration. The perspective was of the payer in the United States health care system. Results Supportive care for moderate/severe COVID-19 cost $11,112.98/0.8256 QALY. Remdesivir in moderate/dexamethasone in severe infections was the most cost-effective with an incremental cost-effectiveness ratio of $19,764.56/QALY gained compared to supportive care. Probabilistic sensitivity analyses showed remdesivir for moderate/dexamethasone for severe COVID-19 infection was most cost-effective in 88.6% of scenarios and dexamethasone in moderate-severe infections in 11.4% of scenarios. With lower willingness to pay thresholds ($250-$37,500), dexamethasone for severe infections was favoured. Conclusions Remdesivir for moderate/dexamethasone for severe COVID-19 infections was the0020most cost-effective strategy. Further data is required for remdesivir to better assess its cost effectiveness in treatment of COVID-19.
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 | 0,006 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| 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 | 0,002 | 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 ».