Abstract 16486: Consistent Cost-effectiveness of Icosapent Ethyl Across Patient Profiles From REDUCE-IT
Notice bibliographique
Résumé
Background: The Reduction of Cardiovascular Events with Icosapent Ethyl–Intervention Trial (REDUCE-IT) showed that patients with elevated baseline triglycerides (TG) and well-controlled LDL-C levels on statins had a 30% lower risk of total cardiovascular events with 4g of icosapent ethyl (IPE) daily compared to standard care (SC) during a median 4.9 year follow-up. The purpose of this study was to conduct subgroup analyses of lifetime cost-effectiveness (CE) of IPE compared to SC alone. Methods: Applying treatment effects from REDUCE-IT, health care costs from the National Inpatient Sample (NIS), and net costs for IPE of $4.16 a day, we conducted a combination CE analysis utilizing patient level in-trial cost and clinical outcomes with long-term costs, events, and life expectancy derived from Markov simulation models. The model projected lifetime health care costs, cardiovascular events, survival, and quality-adjusted life-years (QALYs) for IPE vs. SC from a payer perspective among overall trial-eligible patients and in key subgroups. Results: The lifetime mean costs for IPE and SC were $196,080 and $197,064, and the lifetime QALYs for IPE and SC were 10.61 and 10.35, respectively (Table 1). IPE was a dominant strategy over the lifetime in 69.7% of simulations with the probability of CE at the nominal $50,000, $100,000, and $150,000 thresholds being replicated in 87.9%, 98.6%, and 99.9% of simulations, respectively. In the subgroups of age <65 years, male sex, subjects with or without diabetes, secondary prevention cohort, TG levels ≥200 or ≥150 mg/dL, and baseline LDL≥70 mg/dL, IPE was a dominant strategy over the lifetime. In women or the primary prevention cohort, IPE was cost-effective with an ICER of $16,660 or $21,890 per QALY gained, respectively. Conclusions: In all subgroups, IPE at a cost of $4.16/day was shown to be cost-effective at a willingness-to-pay threshold of $50,000 per QALY and was a dominant treatment strategy in most subgroups.
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 | 0,009 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,008 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,006 | 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 ».