Development of a conceptual model for evaluating new non-curative and curative therapies for sickle cell disease
Notice bibliographique
Résumé
BACKGROUND: Sickle cell disease (SCD) is a clinically heterogeneous disease with many acute and chronic complications driven by ongoing vaso-occlusion and hemolysis. It causes a disproportionate burden on Black and Hispanic communities. Our objective was to follow the SMDM/ISPOR Task Force recommendations for good practices and create a conceptual model of the progression of SCD under current clinical practice to inform cost-effectiveness analyses (CEA) of promising curative therapies in the pipeline over a lifetime horizon. METHODS: We used consultations with experts, providers, and patients to identify acute events and chronic conditions in the conceptual model. We compared our model structure to previous CEA models of interventions for SCD, assessed the prevalence of the identified disease attributes in Medicaid and Medicare claims databases, and identified relevant outcomes following the 2nd Panel in CEA. We determined an appropriate modeling technique and relevant data sources for parameterizing the model. RESULTS: The conceptual model structure included four dimensions of disease: chronic pain, acute events, chronic conditions, and treatment complications, spanning 26 disease attributes with significant impacts on health-related quality of life and resource. We modeled chronic pain separately to reflect its importance to patients and interaction with all other disease attributes. We identified additional data sources for health state utilities and non-medical costs and benefits of SCD. We will use a microsimulation model with age- and sex-specific transitions between health states predicted by patient demographic characteristics and disease history. CONCLUSION: Developing the model structure through an explicit process of model conceptualization can increase the transparency and accuracy of results. We will populate the conceptual model with the data sources described and evaluate the cost-effectiveness of curative therapies.
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 | 0,007 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».