Non‐invasive monitoring and treat‐to‐target approach are cost‐effective in patients with mild–moderate ulcerative colitis
Notice bibliographique
Résumé
BACKGROUND: There are no data to assess the value associated with a treat-to-target (T2T) strategy based on tight control of mild-moderate ulcerative colitis (UC). AIM: To assess the cost-effectiveness of a T2T approach based on the normalisation of clinical signs and faecal calprotectin (FC) METHODS: A decision analytical Markov model was developed to compare T2T algorithm combining clinical symptoms and FC levels to define treatment response and the possible switch to the next treatment line (T2T-FC), and the reference strategy based only on symptoms. The model included five treatment lines and was conducted from the Italian national health service (NHS) perspective using a 3-year time horizon. The model calculated the incremental cost-effectiveness ratio as € per relapse avoided. Deterministic and probabilistic sensitivity analyses were conducted. RESULTS: The cost-effectiveness analysis produced an increased time spent by a patient in clinical remission and FC ≤ 100 level (+0.177 years; about 2 months) and a decreasing number of relapses (-0.1937; -20.9%) per patient using a T2T-FC approach compared to only symptoms. Furthermore, the T2T-FC was associated with higher cost (+€1795). The ICER estimated was €9263 per relapse avoided. These results were confirmed by sensitivity analyses. CONCLUSIONS: T2T-FC approach resulted in a higher benefit for mild-moderate UC patients in terms of time in remission and incidence of relapse but was associated with higher costs. Clinical trials and real-world clinical studies are needed to provide additional data on the cost-benefit of this approach.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».