Cost-effectiveness analysis protocol of the Smart Triage program: A point-of-care digital triage platform for pediatric sepsis in Eastern Uganda
Notice bibliographique
Résumé
BACKGROUND: Sepsis is a clinical syndrome characterized by organ dysfunction due to presumed or proven infection. Severe cases can have case fatality ratio 25% or higher in low-middle income countries, but early diagnosis and timely treatment have a proven benefit. The Smart Triage program in Jinja Regional Referral Hospital in Uganda will provide expedited sepsis treatment in children through a data-driven electronic patient triage system. To complement the ongoing Smart Triage interventional trial, we propose methods for a concurrent cost-effectiveness analysis of the Smart Triage platform. METHODS: We will use a decision-analytic model taking a societal perspective, combining government and out-of-pocket costs, as patients bear a sizeable portion of healthcare costs in Uganda due to the lack of universal health coverage. Previously published secondary data will be used to link healthcare utilization with costs and intermediate outcomes with mortality. We will model uncertainty via probabilistic sensitivity analysis and present findings at various willingness-to-pay thresholds using a cost-effectiveness acceptability curve. DISCUSSION: Our proposed analysis represents a first step in evaluating the cost-effectiveness of an innovative digital triage platform designed to improve clinical outcomes in pediatric sepsis through expediting care in low-resource settings. Our use of a decision analytic model to link secondary costing data, incorporate post-discharge healthcare utilization, and model clinical endpoints is also novel in the pediatric sepsis triage literature for low-middle income countries. Our analysis, together with subsequent analyses modelling budget impact and scale up, will inform future modifications to the Smart Triage platform, as well as motivate scale-up to the district and national levels. TRIAL REGISTRATION: Trial registration of parent clinical trial: NCT04304235, https://clinicaltrials.gov/ct2/show/NCT04304235. Registered 11 March 2020.
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 | 0,051 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,008 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,041 | 0,004 |
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 ».