Cost-Utility Analysis of Discontinuing Antidepressants in England Primary Care Patients Compared with Long-Term Maintenance: The ANTLER Study
Notice bibliographique
Résumé
BACKGROUND: Depression is a common mental health condition with considerable negative impact on health and well-being. Although antidepressants are recommended as first-line treatment, there is limited evidence regarding the cost effectiveness of long-term maintenance antidepressants for preventing relapse. OBJECTIVES: Our objective was to calculate the mean incremental costs and quality-adjusted life-years (QALYs) over 12 months of discontinuing long-term antidepressant medication in well patients compared with maintenance, using patient-level trial data. METHODS: We conducted a cost-utility analysis of 478 participants from 150 UK general practices recruited to a randomised, double-blind trial (ANTLER). QALYs were calculated from EQ-5D-5L and 12-Item Short Form survey (SF-12) results, with primary analysis using the EQ-5D-5L value set for England. Resource use was collected from primary care patient electronic medical records and self-completed questionnaires capturing mental-health-related resource use. Costs were calculated by applying standard UK unit costs to resource use. Adjustments were made for baseline variables. RESULTS: Participants randomised to discontinuation had significantly worse utility scores at 3 months (- 0.032; 95% confidence interval [CI] - 0.053 to - 0.011) but no significant difference in QALYs (- 0.011; 95% CI - 0.026 to 0.003) or costs (£3.11; 95% CI - 41.28 to 47.50) at 12 months. The probability that discontinuation was cost effective compared with maintenance was 12.9% at a threshold of £20,000 per QALY gained. CONCLUSIONS: Discontinuation of antidepressants was unlikely to be cost effective compared with maintenance for currently well patients on long-term antidepressants. However, this analysis provides no information on the wider impact of antidepressants. Our findings provide information on the potential impact of discontinuing long-term maintenance antidepressants and facilitate improving guidance for shared patient-clinician decision making. TRIAL REGISTRATION: EudraCT number 2015-004210-26; ISRCTN number ISRCTN15969819.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».