Mathematical model of the cost-effectiveness of the BioFire FilmArray Blood Culture Identification (BCID) Panel molecular rapid diagnostic test compared with conventional methods for identification of <i>Escherichia coli</i> bloodstream infections
Notice bibliographique
Résumé
BACKGROUND: Gram-negative pathogens, such as Escherichia coli, are common causes of bloodstream infections (BSIs) and increasingly demonstrate antimicrobial resistance. Molecular rapid diagnostic tests (mRDTs) offer faster pathogen identification and susceptibility results, but higher costs compared with conventional methods. We determined the cost-effectiveness of the BioFire FilmArray Blood Culture Identification (BCID) Panel, as a type of mRDT, compared with conventional methods in the identification of E. coli BSIs. METHODS: We constructed a decision analytic model comparing BCID with conventional methods in the identification and susceptibility testing of hospitalized patients with E. coli BSIs from the perspective of the public healthcare payer. Model inputs were obtained from published literature. Cost-effectiveness was calculated by determining the per-patient admission cost, the QALYs garnered and the incremental cost-effectiveness ratios (ICERs) where applicable. Monte Carlo probabilistic sensitivity analyses and one-way sensitivity analyses were conducted to assess the robustness of the model. All costs reflect 2019 Canadian dollars. RESULTS: The Monte Carlo probabilistic analyses resulted in cost savings ($27 070.83 versus $35 649.81) and improved QALYs (8.65 versus 7.10) in favour of BCID. At a willingness to pay up to $100 000, BCID had a 72.6%-83.8% chance of being cost-effective. One-way sensitivity analyses revealed length of stay and cost per day of hospitalization to have the most substantial impact on costs and QALYs. CONCLUSIONS: BCID was found to be cost-saving when used to diagnose E. coli BSI compared with conventional testing. Cost savings were most influenced by length of stay and cost per day of hospitalization.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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 ».