Cost-effectiveness of endovascular thrombectomy in acute stroke patients with large ischemic core
Notice bibliographique
Résumé
BACKGROUND: Evidence has shown that endovascular thrombectomy (EVT) treatment improves clinical outcomes. Yet, its benefit remains uncertain in patients with large established infarcts as defined by ASPECTS (Alberta Stroke Program Early CT Score) <6. This study evaluates the cost-effectiveness of EVT, compared with standard care (SC), in acute ischemic stroke (AIS) patients with ASPECTS 3-5. METHODS: An economic evaluation study was performed combining a decision tree and Markov model to estimate lifetime costs (2021 US$) and quality-adjusted life years (QALYs) of AIS patients with ASPECTS 3-5. Incremental cost-effectiveness ratios (ICERs), net monetary benefits (NMBs), and deterministic one-way and two-way sensitivity analyses were performed. Probabilistic sensitivity analyses were also performed to evaluate the robustness of our model. RESULTS: Compared with SC, the cost-effectiveness analyses revealed that EVT yields higher lifetime benefits (2.20 QALYs vs 1.41 QALYs) with higher lifetime healthcare cost per patient ($285 861 vs $272 954). The difference in health benefits between EVT and SC was 0.79 QALYs, equivalent to 288 additional days of healthy life per patient. Even though EVT is more costly than SC alone, it is still cost-effective given better outcomes with ICER of $16 239/QALY. The probabilistic sensitivity analyses indicated that EVT was the most cost-effective strategy in 98.8% (9882 of 10 000) of iterations at the willingness-to-pay threshold of $100 000 per QALY. CONCLUSIONS: The results of this study suggest that EVT is cost-effective in AIS patients with a large ischemic core (ASPECTS 3-5), compared with SC alone over the patient's lifetime.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».