Implementation of field detection devices for antimalarial quality screening in Lao PDR—A cost-effectiveness analysis
Notice bibliographique
Résumé
Substandard and falsified (SF) antimalarials have devastating consequences including increased morbidity, mortality and economic losses. Portable medicine quality screening devices are increasingly available, but whether their use for the detection of SF antimalarials is cost-effective is not known. We evaluated the cost-effectiveness of introducing such devices in post-market surveillance in pharmacies in Laos, conservatively focusing on their outcome in detecting SF artemisinin-based combination therapies (ACTs). We simulated the deployment of six portable screening devices: two handheld near-infrared [MicroPHAZIR RX, NIR-S-G1], two handheld Raman [Progeny, TruScan RM]; one portable mid-infrared [4500a FTIR] spectrometers, and single-use disposable paper analytical devices [PADs]. We considered two scenarios with high and low levels of SF ACTs. Different sampling strategies in which medicine inspectors would test 1, 2, or 3 sample(s) of each brand of ACT were evaluated. Costs of inspection including device procurement, inspector time, reagents, reference testing, and replacement with genuine ACTs were estimated. Outcomes were measured as disability adjusted life years (DALYs) and incremental cost-effectiveness ratios were estimated for each device compared with a baseline of visual inspections alone. In the scenario with high levels of SF ACTs, all devices were cost-effective with a 1-sample strategy. In the scenario of low levels of SF ACTs, only four devices (MicroPHAZIR RX, 4500a FTIR, NIR-S-G1, and PADs) were cost-effective with a 1-sample strategy. In the multi-way comparative analysis, in both scenarios the NIR-S-G1 testing 2 samples was the most cost-effective option. Routine inspection of ACT quality using portable screening devices is likely to be cost-effective in the Laos context. This work should encourage policy-makers or regulators to further investigate investment in portable screening devices to detect SF medicines and reduce their associated undesired health and economic burdens.
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 | 0,007 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».