Cost-Utility of Dialysis in Canada: Hemodialysis, Peritoneal Dialysis, and Nondialysis Treatment of Kidney Failure
Notice bibliographique
Résumé
RATIONALE & OBJECTIVE: The kidney failure population is growing, necessitating the expansion of dialysis programs. These programs are costly and require a substantial amount of health care resources. Tools that accurately forecast resource use can aid efficient allocation. The objective of this study is to describe the development of an economic simulation model that incorporates treatment history and detailed modality transitions for patients with kidney disease using real-world data to estimate associated costs, utility, and survival by initiating modality. STUDY DESIGN: Cost-utility model with microsimulation. SETTING & POPULATION: Adult incident maintenance dialysis patients in Canada who initiated facility-based hemodialysis (HD) or home peritoneal dialysis (PD) between 2004 and 2013. INTERVENTION: HD and PD. OUTCOMES: Costs (related to dialysis, transplantation, infections, and hospitalizations), survival, utility, and dialysis modality mix over time. MODEL PERSPECTIVE & TIMEFRAME: The model took the perspective of the health care payer. Patients were followed up for 10 years from initiation of dialysis. Our cost-utility analysis compared the intervention with receiving no treatment. RESULTS: During a 10-year time horizon, the cost-utility ratio for all patients initiating dialysis was $103,779 per quality-adjusted life-year (QALY) in comparison to no treatment. Patients who initiated with facility-based HD were treated at a cost-utility ratio of $104,880/QALY and patients who initiated with home PD were treated at a cost-utility ratio of $83,762/QALY. During this time horizon, the total mean cost and QALYs per patient were estimated at $350,774 ± $204,704 and 3.38 ± 2.05) QALYs respectively. LIMITATIONS: The results do not include costs from the societal perspective. Rare patient trajectories were unable to be assessed. CONCLUSIONS: This model demonstrates that patients who initiated dialysis with PD were treated more cost-effectively than those who initiated with HD during a 10-year time horizon.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».