Early Treatment with Fluvoxamine Among Patients with COVID-19: A Cost-Consequence Model
Notice bibliographique
Résumé
Summary Background Three randomized trials have been conducted indicating a clinical benefit of early treatment with fluvoxamine versus placebo for adults with symptomatic COVID-19. We assessed the cost-consequences associated with the use of this early treatment in outpatient populations. Methods Using results from the three completed trials of fluvoxamine vs. placebo for the treatment of COVID-19, we performed a meta-analysis. We conducted a cost-consequence analysis using a decision-model to assess the health system benefits of the avoidance of progression to severe COVID-19. Outcomes of relevance to resource planning decisions in the US and elsewhere, including costs and days of hospitalization avoided, were reported. We constructed a decision-analytic model in the form of a decision tree to evaluate two treatment strategies for high-risk patients with confirmed, symptomatic COVID-19, from the perspective of a third-party payer:(1) treatment with a 10-day course of fluvoxamine (100mg twice daily); (2) current standard-of-care; (3) molnupiravir 5-day course. We used a time horizon of 28 days. Results Administration of fluvoxamine to symptomatic outpatients with COVID-19 at high-risk of developing progression to severe COVID-19 complications is substantially cost-saving in the US, in the amount of $232 per eligible patient, and saves an average of 0.15 hospital days per patient treated is likely to be similarly beneficial in other settings. Fluvoxamine is cost saving in locations where total hospital costs are >$738. Molnupiravir had an additional cost to the healthcare system of $404 per patient treated. Conclusions Fluvoxamine is cost-saving for COVID-19 outpatient therapy. Funding FastGrants and Rainwater Charitable Foundation
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».