A Systematic Review of Economic Evaluations Conducted for Interventions to Screen, Treat, and Manage Retinopathy of Prematurity (ROP) in the United States, United Kingdom, and Canada
Notice bibliographique
Résumé
Purpose A systematic literature review (SLR) of economic evaluations (EE) conducted for interventions to screen, treat, and manage retinopathy of prematurity (ROP) in the United States (US), United Kingdom (UK), and Canada was performed.Methods The SLR accessed the MEDLINE, Embase, Cochrane, Web of Science, Health Business Elite, Econ. Lit, NHS EED, and Google Scholar databases over the period 1st January 2000 to 4th August 2021. The key Medical Subject Heading (MeSH) search terms used included: Retinopathy of prematurity, Cost-effectiveness analysis, Cost-utility analysis, Cost of illness, Cost-benefit analysis, Cost minimization analysis, Incremental cost-effectiveness ratio, Quality adjusted life years, return on investment, burden of illness, disability adjusted life years, and Economic evaluation. Screening was conducted using Covidence, and the risk of bias was assessed using the Consolidated Health Economic Evaluation Reporting Standards (CHEERS) checklist. Data extraction was performed using MS Excel.Results 1,527 articles were examined with nine (9) papers identified, one (1) from the UK; two (2) from Canada and six (6) from the US. Cost-effectiveness analysis was the main form of EE conducted (n = 5) and telemedicine screening (n = 3) was found to be highly cost-effective for ROP with the ICER values ranging from £446 to £4,240 per Quality Adjusted Life Year (QALY) in 2021 figures. 73% of included studies complied with the CHEERS checklist for EE.Conclusions ROP screening and treatment strategies reviewed were highly cost-effective. This review may assist eye health policymakers in planning nationwide screening and treatment programs to combat vision loss and blindness due to ROP.
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 | 0,031 | 0,149 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,014 | 0,012 |
| Bibliométrie | 0,020 | 0,020 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 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 ».