Cost-effectiveness of an insertable cardiac monitor in a high-risk population in the US
Notice bibliographique
Résumé
Objective: To evaluate the cost-effectiveness of insertable cardiac monitors (ICMs) compared to standard of care (SoC) for detecting atrial fibrillation (AF) in patients at high risk of stroke (CHADS2 >2), in the US. Background: ICMs are a clinically effective means of detecting AF in high-risk patients, prompting the initiation of non-vitamin K oral anticoagulants (NOACs). Their cost-effectiveness from a US clinical payer perspective is not yet known. Methods: Using patient data from the REVEAL AF trial (n= 446, average CHADS2 score= 2.9), a Markov model estimated the lifetime costs and benefits of detecting AF with an ICM or with SoC (namely, intermittent use of electrocardiograms [ECGs] and 24-hour Holter monitors). Ischemic and hemorrhagic strokes, intra- and extra-cranial hemorrhages, and minor bleeds were modelled. Diagnostic and device costs were included, plus costs of treating stroke and bleeding events and of NOACs. Costs and health outcomes, measured as quality-adjusted life years (QALYs), were discounted at 3% per annum. One-way deterministic and probabilistic sensitivity analyses (PSA) were undertaken. Results: Lifetime per-patient cost for ICM was $58,132 vs. $52,019 for SoC. ICMs generated a total 7.75 QALYs vs. 7.59 for SoC, with 34 fewer strokes projected per 1,000 patients. The incremental cost-effectiveness ratio (ICER) was $35,452 per QALY gained. ICMs were cost-effective in 72% of PSA simulations, using a $50,000 per QALY threshold. Conclusions: The use of ICMs to identify AF in a high-risk population is likely to be cost-effective in the US healthcare setting.
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 | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| 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 | 0,001 |
| 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 ».