Evidence-based cardiovascular magnetic resonance cost-effectiveness calculator for the detection of significant coronary artery disease
Notice bibliographique
Résumé
BACKGROUND: Although prior reports have evaluated the clinical and cost impacts of cardiovascular magnetic resonance (CMR) for low-to-intermediate-risk patients with suspected significant coronary artery disease (CAD), the cost-effectiveness of CMR compared to relevant comparators remains poorly understood. We aimed to summarize the cost-effectiveness literature on CMR for CAD and create a cost-effectiveness calculator, useable worldwide, to approximate the cost-per-quality-adjusted-life-year (QALY) of CMR and relevant comparators with context-specific patient-level and system-level inputs. METHODS: We searched the Tufts Cost-Effectiveness Analysis Registry and PubMed for cost-per-QALY or cost-per-life-year-saved studies of CMR to detect significant CAD. We also developed a linear regression meta-model (CMR Cost-Effectiveness Calculator) based on a larger CMR cost-effectiveness simulation model that can approximate CMR lifetime discount cost, QALY, and cost effectiveness compared to relevant comparators [such as single-photon emission computed tomography (SPECT), coronary computed tomography angiography (CCTA)] or invasive coronary angiography. RESULTS: CMR was cost-effective for evaluation of significant CAD (either health-improving and cost saving or having a cost-per-QALY or cost-per-life-year result lower than the cost-effectiveness threshold) versus its relevant comparator in 10 out of 15 studies, with 3 studies reporting uncertain cost effectiveness, and 2 studies showing CCTA was optimal. Our cost-effectiveness calculator showed that CCTA was not cost-effective in the US compared to CMR when the most recent publications on imaging performance were included in the model. CONCLUSIONS: Based on current world-wide evidence in the literature, CMR usually represents a cost-effective option compared to relevant comparators to assess for significant CAD.
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 | 0,027 | 0,106 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,018 |
| Bibliométrie | 0,016 | 0,011 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».