Cost-effectiveness analysis of statins for the treatment of hospitalized COVID-19 patients
Notice bibliographique
Résumé
BACKGROUND: A recent systematic review and meta-analysis reporting on thirteen published cohorts investigating 110,078 patients demonstrated that patients who were administered statins after their COVID-19 diagnosis and hospitalization were had a lower risk of mortality. While these findings are encouraging, given competing COVID-19 treatment approaches, it is unclear if statin use should be prioritized and if its use is a cost-effective treatment options for hospitalized COVID-19 patients. In this study, we report on a cost-effectiveness analysis of statin-containing treatment regimens for hospitalized COVID-19 patients. METHODS: A Markov model was used to compare statin use and no statin use among hospitalized COVID-19 patients from a United States healthcare perspective. The cycle length was one week, with a time horizon of 4 weeks. A Monte Carlo microsimulation with 20,000 samples were used. All analyses were conducted using TreeAge Pro Healthcare Version 2021 R1.1. RESULTS: The mean cost for patients receiving statins in addition to usual care was $31,623 (SD $20,331), whereas the mean cost for patients not receiving statins was $33,218 (SD $25,440). The mean effectiveness for the two cohorts were 1.73 (SD 0.96) and 1.71 (SD 1.00), respectively. CONCLUSIONS: This analysis demonstrated that treatment of hospitalized COVID-19 patients with statins was both cheaper and more effective than treatment without statins; statin-containing therapy dominates over non-statin therapy. Statin medications for the treatment of COVID-19 should be further investigated in randomized controlled trials, especially considering its cost-effective nature. Optimistically and pending the results of future randomized trials, statins should be considered for use broadly for the treatment of hospitalized COVID-19 patients.
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 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,023 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».