Economic evaluation of a new genetic risk score to prevent nephropathies in type-2 diabetic patients
Notice bibliographique
Résumé
Un score de risque polygénique (SRP) a été mis au point pour permettre une prédiction précoce du risque de néphropathie chez les patients atteints de diabète de type-2 (DT2). Le but de cette étude était d’évaluer l’impact économique de l’implantation du SRP pour la prévention de la néphropathie chez les patients atteints du DT2, par rapport aux méthodes de dépistage habituelles au Canada. Tout d’abord, une revue systématique de la littérature a été effectuée pour examiner les évaluations économiques publiées sur le DT2 et la néphropathie. Les principales techniques de modélisation observées dans cette revue ont été utilisées pour réaliser une analyse coût-utilité à l’aide d’un modèle de Markov. Les états de santé du modèle étaient la pré-insuffisance rénale (pré-IR), l’IR et le décès. Les paramètres d’efficacité du modèle ont été basés sur les résultats de l’étude ADVANCE. Les analyses ont été menées selon une perspective du système de soins et une perspective sociétale. Sur un horizon temporel de la vie entière du patient, le SRP était une stratégie dominante par rapport aux méthodes de dépistage habituelles, selon les deux perspectives choisies. En effet, le SRP était moins coûteux et plus efficace en termes d’années de vie ajustée en fonction de la qualité, par rapport aux techniques de dépistage usuelles. Les analyses de sensibilité déterministe et probabiliste ont démontré que les résultats demeurent dominants dans la majorité des simulations. Cette évaluation économique démontre que l’adoption du SRP permettrait de réduire les coûts et d’améliorer la qualité de vie des patients.
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 | 0,015 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».