Projecting the Epidemiological and Economic Impact of Chronic Kidney Disease Using Patient-Level Microsimulation Modelling: Rationale and Methods of Inside CKD
Notice bibliographique
Résumé
INTRODUCTION: Chronic kidney disease (CKD) is a serious condition associated with significant morbidity and healthcare costs. Despite this, early-stage CKD is often undiagnosed, and globally there is substantial variation in the effectiveness of screening and subsequent management. Microsimulations can estimate future epidemiological costs, providing useful insights for clinicians, policymakers and researchers. Inside CKD is a programme designed to analyse the projected prevalence and burden of CKD for countries across the world, and to simulate hypothetical intervention strategies that can then be assessed for potential impact on health and economic outcomes at a national and a global level. METHODS: Inside CKD uses a population-based approach that creates virtual individuals for a given country, with this simulated population progressing through a microsimulation in 1-year increments. A series of data inputs derived from national statistics and key literature defined the likelihood of a change in health state for each individual. Input modules allow for the input of nationally specific demographic and CKD status (including prevalence, diagnosis rates, disease stage and likelihood of renal replacement therapy), disease progression, critical comorbidities, and mortality. Health economics are reflected in cost data and a flexible intervention module allows for the testing of hypothetical policies-such as screening strategies-that may alter disease progression and outcomes. RESULTS: Using input data from the UK as a case study and a 6-year simulation period, Inside CKD estimated a prevalence of 9.2 million individuals (both diagnosed and estimated undiagnosed) with CKD by 2027 and a 5.0% increase in costs for diagnosed CKD and renal replacement therapy. External validation and sensitivity analyses confirmed the observed trends, substantiating the robustness of the microsimulation. CONCLUSIONS: Using a microsimulation approach, Inside CKD extends the reach of current CKD policy analyses by factoring in multiple inputs that reflect national healthcare systems and enable analysis of the effect of multiple hypothetical screening scenarios on disease progression and costs.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».