MétaCan
Menu
← Retour à la cohorte
Enregistrement W4301277970 · doi:10.2196/36496

Cost-Utility and Cost-effectiveness of MoodSwings 2.0, an Internet-Based Self-management Program for Bipolar Disorder: Economic Evaluation Alongside a Randomized Controlled Trial

2022· article· en· W4301277970 sur OpenAlexvenueno aff
Mary Lou Chatterton, Yong Yi Lee, Lesley Berk, Mohammadreza Mohebbi, Michael Berk, Trisha Suppes, Sue Lauder, Cathrine Mihalopoulos

Notice bibliographique

RevueJMIR Mental Health · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Mental HealthNational Health and Medical Research CouncilMedical Research CouncilNational Institutes of Health
Mots-clésRandomized controlled trialCost effectivenessThe InternetBipolar disorderEconomic evaluationSelf-managementPsychologyMedicineComputer scienceMedical physicsPhysical therapyClinical psychologyRisk analysis (engineering)World Wide WebMoodArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Internet-delivered psychosocial interventions can overcome barriers to face-to-face psychosocial care, but limited evidence supports their cost-effectiveness for people with bipolar disorders (BDs). OBJECTIVE: This study aimed to conduct within-trial cost-effectiveness and cost-utility analyses of an internet-based intervention for people with BD, MoodSwings 2.0, from an Australian health sector perspective. METHODS: MoodSwings 2.0 included an economic evaluation alongside an international, parallel, and individually stratified randomized controlled trial comparing an internet-based discussion forum (control; group 1), a discussion forum plus internet-based psychoeducation (group 2), and a discussion forum plus psychoeducation and cognitive behavioral tools (group 3). The trial enrolled adults (aged 21 to 65 years) with a diagnosis of BD assessed by telephone using a structured clinical interview. Health sector costs included intervention delivery and additional health care resources used by participants over the 12-month trial follow-up. Outcomes included depression symptoms measured by the Montgomery-Åsberg Depression Rating Scale (MADRS; the trial primary outcome) and quality-adjusted life years (QALYs) calculated using the short-form 6-dimension instrument derived from the 12-item version of the short-form health survey. Average incremental cost-effectiveness (cost per MADRS score) and cost-utility (cost per QALY) ratios were calculated using estimated mean differences between intervention and control groups from linear mixed effects models in the base case. RESULTS: In total, 304 participants were randomized. Average health sector cost was lowest for group 2 (Aus $9431, SD Aus $8540; Aus $1=US $0.7058) compared with the control group (Aus $15,175, SD Aus $17,206) and group 3 (Aus $15,518, SD Aus $30,523), but none was statistically significantly different. The average QALYs were not significantly different among the groups (group 1: 0.627, SD 0.062; group 2: 0.618, SD 0.094; and group 3: 0.622, SD 0.087). The MADRS scores were previously shown to differ significantly between group 2 and the control group at all follow-up time points (P<.05). Group 2 was dominant (lower costs and greater effects) compared with the control group for average incremental cost per point decrease in MADRS score over 12 months (95% CI dominated to Aus $331). Average cost per point change in MADRS score for group 3 versus the control group was dominant (95% CI dominant to Aus $22,585). Group 2 was dominant (95% CI Aus $43,000 to dominant) over the control group based on lower average health sector cost and average QALY benefit of 0.012 (95% CI -0.009 to 0.033). Group 3, compared with the control group, had an average incremental cost-effectiveness ratio of dominant (95% CI dominated to Aus $19,978). CONCLUSIONS: Web-based psychoeducation through MoodSwings 2.0 has the potential to be a cost-effective intervention for people with BD. Additional research is needed to understand the lack of effectiveness for the addition of cognitive behavioral tools with the group 3 intervention.

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)0,014
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,020
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0040,010
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,040
Tête enseignante GPT0,440
Écart entre enseignants0,399 · 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'étudeEssai randomisé
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Mental Health→Même sujetDigital Mental Health Interventions→Travaux en français237 207→