118 A Cost Effectiveness Analysis of Two Treatment Strategies for Trigeminal Neuralgia in Ontario
Notice bibliographique
Résumé
INTRODUCTION: Trigeminal neuralgia is a debilitating disease affecting 4-27/100000 people annually. In Ontario, over 2000 patients will be cared for through a universal government payer model. Interventions for profound pain include medical and surgical therapies, among other options. The global expected cost of these approaches is unknown. METHODS: Costs were gathered from the Canadian Institute for Health Information, Ontario Drug Benefit Formulary, and Ontario Ministry of Health Schedule of Benefits for Physician Services Under the Health Acct. Academic literature was used to estimate unavailable items. A cost-benefit Markov model was created for each strategy with literature-based event rates for annual cycles from year one to five, followed by a linear recurrent cycle from year six to ten. Incremental cost-effectiveness ratios (ICERs) were calculated based on incremental cost in $CAD in 2022 per patient with a pain free year. RESULTS: Base case cost per patient was $10866 at ten years in the “MVD first” group and $10710 in the “carbamazepine first” group. The break-even point is slightly longer than ten years. Surgical cost is significantly higher at year one, at $9733 versus $1903. Ten year ICER was $1014 for “MVD first,” with strict superiority beyond this time point. One way deterministic sensitivity analysis for multiple factors suggested the highest cost variability and ICER variability was due to surgery cost, medication failure rate, and medication cost. CONCLUSIONS: Economic beneift is established to a “MVD first” strategy in the Ontario context with strict superiority beyond the ten-year horizon. If an arbitrary ICER of $50000 is used, benefit is established at four years. MVD could be considered broadly as a cost-effective and cost-saving measure in patients expected to live beyond these horizons.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,000 | 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 ».