MétaCan
Menu
← Retour à la cohorte
Enregistrement W4307865264 · doi:10.5539/gjhs.v14n11p26

Early Treatment of Hepatitis C Virus Improves Health Outcomes and Yields Cost-Savings: A Modeling Study in Argentina

2022· article· en· W4307865264 sur OpenAlexvenueno aff
Jorge F. Elgart, Mariana Glancszpigel, Natalia Albaytero, Diego Kanevsky, María Florencia Rodríguez, Manuel Mendizábal, Yuri Sánchez-González

Notice bibliographique

RevueGlobal Journal of Health Science · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueHepatitis C virus research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineLiver diseaseNatural historyInternal medicineDiseaseHepatitis CHepatitis C virusHealth carePediatricsVirusImmunology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Most untreated hepatitis C virus (HCV) patients develop chronic infection and severe complications, including death. Direct-acting antivirals in early stages of liver fibrosis reduce complications and healthcare costs. However, therapy is often delayed, and patients in early stages have limited access to effective treatments. We assessed the clinical and economic effect of treating chronic HCV at early versus late stages of disease in Argentina. METHODS: A Markov model of the natural HCV history was used to forecast lifetime liver-related and economic outcomes from social security sector perspective. Healthcare use and transition probabilities were drawn from literature. Demographic characteristics of the patients and treatment attributes were based on data from registrational trials of glecaprevir/pibrentasvir. RESULTS: Lower rates of all hepatic complications and liver-related mortality were predicted when treatment was initiated in mild versus advanced disease. Sustained virologic response rates were similar among all stages. Higher quality-adjusted life years (QALYs) were predicted when treatment was initiated in mild (F0-F1) versus moderate (F2-F3) or advanced (F4) liver disease (11.5, 9.9, and 7.5 QALYs, respectively). Delaying treatment increased long-term total lifetime costs (F4: AR$ 1 437 816; F2-F3: AR$ 967 673; F0-F1: AR$ 954 018; 37.10 AR$=1 USD, Nov 2018 exchange rate) and provided fewer QALYs. CONCLUSIONS: Our study show early treatment was a dominant strategy compared with treatment in advanced stages of liver disease. These results may help health policy makers take actions to reduce health and economic burden of HCV in Argentina.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,166
Score d'incertitude au seuil0,330

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,076
Tête enseignante GPT0,420
Écart entre enseignants0,344 · 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'étudeSimulation ou modélisation
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 revueGlobal Journal of Health Science→Même sujetHepatitis C virus research→Travaux en français237 207→