Cost-effectiveness of a Province-wide Quality Improvement Initiative for Reducing Potentially Inappropriate Use of Antipsychotics in Long-Term Care in British Columbia, Canada
Notice bibliographique
Résumé
BACKGROUND: Potentially inappropriate use of antipsychotics (PIUA) raises serious concerns about safety, quality, and cost of care for residents in long-term care (LTC). OBJECTIVE: This study aimed to estimate the cost-effectiveness of the Call for Less Antipsychotics in Long-Term Care (Clear) initiative compared with the status quo (pre-Clear, baseline). METHODS: A model-based cost-utility analysis, from a public-payer perspective in British Columbia, was conducted using secondary data of residents in LTC homes from 2013 to 2019. Residents' health resource utilization and quality-adjusted life-year (QALY) measures were extracted from multiple administrative databases. Six Markov states were modelled for post-antipsychotic progression representing PIUA, appropriate use of antipsychotic, complete withdrawal, and death. The primary outcome was the incremental cost per QALY gained. RESULTS: A cohort of 35,669 residents was included in the primary analysis. The Clear initiative, over 10 years, was estimated to have an incremental cost-effectiveness ratio (ICER) of CA$26,055 (2020 Canadian dollars) per QALY gained at an incremental cost of CA$5211 per resident and a QALY gain of 0.20. In the subgroup analyses, our findings were even more favourable for Clear wave 2 (ICER of CA$24,447 per QALY gained) and Clear wave 3 (ICER of CA$25,933 per QALY gained). At a willingness-to-pay of CA$50,000 per QALY gained, the probabilities of Clear waves 2 and 3 were 82% cost-effective. CONCLUSION: This study demonstrated incremental costs and yielded favourable ICERs for Clear compared with the baseline. More research is needed to understand the level of support for individual care homes to sustain the Clear initiative in the long run.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».