Economic Evaluation of Early Psychosis Interventions From A Canadian Perspective
Notice bibliographique
Résumé
BACKGROUND: Compared to treatment as usual (TAU), early psychosis intervention programs (EPI) have been shown to reduce mortality, hospitalizations and days of assisted living while improving employment status. AIMS: The study aim was to conduct a cost-benefit analysis (CBA) and a cost-effectiveness analysis (CEA) to compare EPI and TAU in Canada. METHODS: A decision-analytic model was used to estimate the 5-year costs and benefits of treating patients with a first episode of psychosis with EPI or TAU. EPI benefits were derived from randomized controlled trials (RCTs) and Canadian administrative data. The cost of EPI was based on a published survey of 52 EPI centers in Canada while hospitalizations, employment and days of assisted living were valued using Canadian unit costs. The outcomes of the CBA and CEA were expressed in terms of net benefit (NB) and incremental cost per life year gained (LYG), respectively. Scenario analyses were conducted to examine the impact of key assumptions. Costs are reported in 2019 Canadian dollars. RESULTS: Base case results indicated that EPI had a NB of $85,441 (95% CI: $41,140; $126,386) compared to TAU while the incremental cost per LYG was $26,366 (95% CI: EPI dominates TAU (less costs, more life years); $102,269). In all sensitivity analyses the NB of EPI remained positive and the incremental cost per LYG was less than $50,000. CONCLUSIONS: In addition to EPI demonstrated clinical benefits, our results suggest that large-scale implementation of EPI in Canada would be desirable from an economic point of view .
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 | 0,009 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 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 ».