Evaluation of the cost and medical resource use outcomes associated with nasal glucagon versus injectable glucagon for treatment of severe hypoglycemia in people with diabetes in Canada: a modeling analysis
Notice bibliographique
Résumé
OBJECTIVES: Treatments for severe hypoglycemia aim to restore blood glucose through successful administration of rescue therapy, and choosing the most effective and cost-effective option will improve outcomes for patients and may reduce costs for healthcare payers. The present analysis aimed to compare costs and use of medical services with nasal glucagon and injectable glucagon in people with type 1 and 2 diabetes in Canada when used to treat severe hypoglycemic events when impaired consciousness precludes treatment with oral carbohydrates using an economic model, based on differences in the frequency of successful administration of the two interventions. METHODS: A decision tree model was prepared in Microsoft Excel to project outcomes with nasal glucagon and injectable glucagon. The model structure reflected real-world decision-making and treatment outcomes, based on Canada-specific sources. The model captured the use of glucagon, emergency medical services (EMS), emergency room, inpatient stay, and follow-up care. Costs were accounted for in 2019 Canadian dollars (CAD). RESULTS: Nasal glucagon was associated with reduced use of all medical services compared with injectable glucagon. EMS call outs were projected to be reduced by 45%, emergency room treatments by 52%, and inpatient stays by 13%. Use of nasal glucagon was associated with reduced direct, indirect, and combined costs of CAD 1,249, CAD 460, and CAD 1,709 per severe hypoglycemic event, respectively, due to avoided EMS call outs and hospital costs, resulting from a higher proportion of successful administrations. CONCLUSIONS: When a patient with type 1 or type 2 diabetes is being treated for a severe hypoglycemic event when impaired consciousness precludes treatment with oral carbohydrate, use of nasal glucagon was projected to be dominant versus injectable glucagon in Canada reducing costs and use of medical services.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».