MétaCan
Menu
Retour à la cohorte
Enregistrement W4224247567 · doi:10.2196/35075

An Electronic Patient-Reported Outcomes Tool for Older Adults With Complex Chronic Conditions: Cost-Utility Analysis

2022· article· en· W4224247567 sur OpenAlexafffundvenueabout
Rafael N. Miranda, Aunima R. Bhuiya, Zak Thraya, Rebecca Hancock, Brian Chan, Carolyn Steele Gray, Walter P. Wodchis, Kednapa Thavorn

Notice bibliographique

RevueJMIR Aging · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Disease Management Strategies
Établissements canadiensOttawa HospitalUniversity of OttawaLunenfeld-Tanenbaum Research InstituteTrillium Health CentreToronto Rehabilitation InstituteUniversity of TorontoUniversity Health Network
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineHealth careQuality of life (healthcare)Quality-adjusted life yearCost effectivenessPhysical therapyNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: eHealth technologies for self-management can improve quality of life, but little is known about whether the benefits gained outweigh their costs. The electronic patient-reported outcome (ePRO) mobile app and portal system supports patients with multiple chronic conditions to collaborate with primary health care providers to set and monitor health-related goals. OBJECTIVE: This study aims to estimate the cost of ePRO and the cost utility of the ePRO intervention compared with usual care provided to patients with multiple chronic conditions and complex needs living in the community, from the perspective of the publicly funded health care payer in Ontario, Canada. METHODS: We developed a decision tree model to estimate the incremental cost per quality-adjusted life year (QALY) gained for the ePRO tool versus usual care over a time horizon of 15 months. Resource utilization and effectiveness of the ePRO tool were drawn from a randomized clinical trial with 6 family health teams involving 45 participants. Unit costs associated with health care utilization (adjusted to 2020 Canadian dollars) were drawn from literature and publicly available sources. A series of sensitivity analyses were conducted to assess the robustness of the findings. RESULTS: The total cost of the ePRO tool was CAD $79,467 (~US $ 63,581; CAD $1733 [~US $1386] per person). Compared with standard care, the ePRO intervention was associated with higher costs (CAD $1710 [~US $1368]) and fewer QALYs (-0.03). The findings were consistent with the clinical evidence, suggesting no statistical difference in health-related quality of life between ePRO and usual care groups. However, the tool would be considered a cost-effective option if it could improve by at least 0.03 QALYs. The probability that the ePRO is cost-effective was 17.3% at a willingness-to-pay (WTP) threshold of CAD $50,000 (~US $40,000)/QALY. CONCLUSIONS: The ePRO tool is not a cost-effective technology at the commonly used WTP value of CAD $50,000 (~US $40,000)/QALY, but long-term and the societal impacts of ePRO were not included in this analysis. Further research is needed to better understand its impact on long-term outcomes and in real-world settings. The present findings add to the growing evidence about eHealth interventions' capacity to respond to complex aging populations within finite-resourced health systems. TRIAL REGISTRATION: ClinicalTrials.gov NCT02917954; https://clinicaltrials.gov/ct2/show/NCT02917954.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,035
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,337
Écart entre enseignants0,316 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2022
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueJMIR AgingMême sujetChronic Disease Management StrategiesTravaux en français237 207