MétaCan
Menu
Retour à la cohorte
Enregistrement W4285448029 · doi:10.2196/31302

Home Telemonitoring and a Diagnostic Algorithm in the Management of Heart Failure in the Netherlands: Cost-effectiveness Analysis

2022· article· en· W4285448029 sur OpenAlexvenueno aff
Fernando Albuquerque de Almeida, Isaac Corro Ramos, Maiwenn Al, Maureen Rutten‐van Mölken

Notice bibliographique

RevueJMIR Cardio · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionMedicineHealth careCost effectivenessPurchasing power parityHeart failureEmergency medicineIntensive care medicineMedical emergencyFinanceRisk analysis (engineering)Internal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Heart failure is a major health concern associated with significant morbidity, mortality, and reduced quality of life in patients. Home telemonitoring (HTM) facilitates frequent or continuous assessment of disease signs and symptoms, and it has shown to improve compliance by involving patients in their own care and prevent emergency admissions by facilitating early detection of clinically significant changes. Diagnostic algorithms (DAs) are predictive mathematical relationships that make use of a wide range of collected data for calculating the likelihood of a particular event and use this output for prioritizing patients with regard to their treatment. OBJECTIVE: This study aims to assess the cost-effectiveness of HTM and a DA in the management of heart failure in the Netherlands. Three interventions were analyzed: usual care, HTM, and HTM plus a DA. METHODS: A previously published discrete event simulation model was used. The base-case analysis was performed according to the Dutch guidelines for economic evaluation. Sensitivity, scenario, and value of information analyses were performed. Particular attention was given to the cost-effectiveness of the DA at various levels of diagnostic accuracy of event prediction and to different patient subgroups. RESULTS: HTM plus the DA extendedly dominates HTM alone, and it has a deterministic incremental cost-effectiveness ratio compared with usual care of €27,712 (currency conversion rate in purchasing power parity at the time of study: €1=US $1.29; further conversions are not applicable in cost-effectiveness terms) per quality-adjusted life year. The model showed robustness in the sensitivity and scenario analyses. HTM plus the DA had a 96.0% probability of being cost-effective at the appropriate €80,000 per quality-adjusted life year threshold. An optimal point for the threshold value for the alarm of the DA in terms of its cost-effectiveness was estimated. New York Heart Association class IV patients were the subgroup with the worst cost-effectiveness results versus usual care, while HTM plus the DA was found to be the most cost-effective for patients aged <65 years and for patients in New York Heart Association class I. CONCLUSIONS: Although the increased costs of adopting HTM plus the DA in the management of heart failure may seemingly be an additional strain on scarce health care resources, the results of this study demonstrate that, by increasing patient life expectancy by 1.28 years and reducing their hospitalization rate by 23% when compared with usual care, the use of this technology may be seen as an investment, as HTM plus the DA in its current form extendedly dominates HTM alone and is cost-effective compared with usual care at normally accepted thresholds in the Netherlands.

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)0,011
score de la tête « metaresearch » (Gemma)0,034
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,034
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
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 Opus0,015
Tête enseignante GPT0,294
Écart entre enseignants0,279 · 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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR CardioMême sujetHeart Failure Treatment and ManagementTravaux en français237 207