Economic evaluation of tele-resuscitation intervention on emergency department pediatric visits in the Niagara Region, Canada a pilot study
Notice bibliographique
Résumé
Introduction: The use of telemedicine in critical care is emerging, however, there is a paucity of information surrounding the costs relative to health gains in the pediatric population. This study aimed to estimate the cost-effectiveness of a pediatric tele-resuscitation (Peds-TECH) intervention compared to the usual care in five community hospital emergency departments (EDs). Using a decision tree analysis approach with secondary retrospective data from a 3-year time period, this cost-effectiveness analysis was completed. Methods: A mixed methods quasi-experimental design was embedded in the economic evaluation of Peds-TECH intervention. Patients aged <18 years triaged as Canadian Triage and Acuity Scale 1 or 2 at EDs were eligible to receive the intervention. Qualitative interviews were conducted with parents/caregivers to explore the out-of-pocket (OOP) expenses. Patient-level health resource utilization was extracted from Niagara Health databases. The Peds-TECH budget calculated one-time technology and operational costs per patient. Base-case analyses determined the incremental cost per year of life lost (YLL) averted, and additional sensitivity analysis confirmed the robustness of the results. Results: Odds ratio for mortality among cases was 0.498 (95% CI: 0.173, 1.43). The average cost of a patient receiving the Peds-TECH intervention was $2,032.73 compared to $317.45 in usual care. In total, 54 patients received the Peds-TECH intervention. Fewer children died in the intervention group resulting in 4.71 YLL. The probabilistic analysis revealed an incremental cost-effectiveness ratio of $64.61 per YLL averted. Conclusion: Peds-TECH appears to be a cost-effective intervention for resuscitating infants/children in hospital emergency departments.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».