Cost-utility analysis of normothermic machine perfusion compared to static cold storage in liver transplantation in the Canadian setting
Notice bibliographique
Résumé
To estimate the incremental cost-effectiveness of a liver transplant program that utilizes normothermic machine perfusion (NMP) alongside static cold storage (SCS) compared to SCS alone (control). A Markov model compared strategies (NMP vs. control) using 1-year cycle lengths over a 5-year time horizon from the public healthcare payer perspective. Primary micro-costing data from a single center retrospective trial were applied along with utility values from literature sources. Transition probabilities were deduced using the retrospective trial cohort, local transplant data, and supplemented with literature values. Scenario and probabilistic sensitivity analysis (PSA) were conducted. The NMP strategy was cost-effective in comparison to the control strategy, which was dominated. The mean cost for NMP was $456 455 (2021 US$) and the control was $519 222. The NMP strategy had greater incremental quality-adjusted life years (QALYs) gains over 5 years compared to the control, with 3.48 versus 3.17, respectively. The overarching results remained unchanged in scenario analysis. In PSA, NMP was cost-effective in 63% of iterations at a willingness-to-pay threshold of $40 941. The addition of NMP to a liver transplant program results in greater QALY gains and is cost-effective from the public healthcare payer perspective.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».