1018. Health Technology Assessment of New Long-Acting, Directly-Observed HIV Treatments in Canada: Impact of Real-World Adherence to Daily Oral Therapy on Treatment, Transmission and Cost-Effectiveness
Notice bibliographique
Résumé
Abstract Background Current antiretroviral therapy (ART) has dramatically improved outcomes for people living with HIV (PLWHIV), however adherence to daily oral dosing remains a challenge for some. New, long-acting (LA) ARTs which are directly administered by physicians eliminate the need to adhere to daily oral dosing and may improve clinical outcomes. The study objective was to evaluate costs and QALYs associated with improved adherence achieved via a novel, directly-observed therapy (DOT) of a monthly LA injectable ART, compared to standard of care (SoC), daily oral therapy. Methods A published Markov cohort state-transition model was adapted to model the impact of treatment adherence and subsequent disease transmission. Without the need to adhere to daily dosing, the efficacy of the injectable was modelled independent of adherence whereas virologic suppression in the SoC arm was adjusted to reflect published data on adherence to daily dosing (8.12% below optimal levels observed in clinical trials). Results This evidence-based approach of accounting for adherence revealed an increase in lifetime costs for oral SOC of approximately $850, and QALY loss of 0.109 when compared to results without accounting for adherence. Disease transmission results yielded 3 cases averted of HIV per 1,000 patients with LA’s impact on adherence. Conclusion In the absence of comparative adherence estimates between a LA, injectable DOT and daily oral therapy in the real world, an evidence-based approach provides a method to address the uncertainty around the true impact on costs and QALYs of a novel mode of administration. Disclosures Erin Arthurs, MSc, GlaxoSmithKline (Employee) Ben Parker, MSc, HEOR Ltd. (Employee) Ian Jacob, MSc, HEOR Ltd (Employee) Debbie Becker, MSc, GSK (Consultant) Amy Lee, MSc, PhD, GSK (Consultant) Olivia Hayward, PhD, HEOR ltd. (Employee) Vasiliki Chounta, MSc, GlaxoSmithKline (Shareholder)ViiV Healthcare (Employee) Sarah-Jane Anderson, PhD, GlaxoSmithKline (Employee, Shareholder) Nicolas Van de Velde, PhD, GlaxoSmithKline (Shareholder)ViiV Healthcare (Employee)
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 | 0,008 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».