Cost-Effectiveness of Emerging Treatments for Atopic Dermatitis: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Numerous therapies have recently emerged for treatment of patients with atopic dermatitis (AD), a common skin disease, and understanding their cost-effectiveness is of high importance for policy makers. This systematic literature review (SLR) aimed to provide an overview of full economic evaluations that assessed cost-effectiveness of emerging AD treatments. METHODS: The SLR was conducted in Medline, Embase, UK National Health Service Economic Evaluation Database and EconLit. Reports published by the National Institute for Health and Care Excellence, the Institute for Clinical and Economic Review and the Canadian Agency for Drugs and Technologies in Health were manually searched. Economic evaluations published from 2017 to September 2022 that compared emerging AD treatments with any comparator were included. Quality assessment was conducted by using the Consensus on Health Economic Criteria list. RESULTS: A total of 1333 references were screened after removing duplicates. Among those references, 15 that conducted a total of 24 comparisons were included. Most studies were from the USA, UK or Canada. Seven different emerging treatments were compared, mostly with usual care. In 15 comparisons (63%), the emerging treatment was cost-effective, and 11 out of 14 dupilumab comparisons (79%) reported that dupilumab was cost-effective. Upadacitinib was the only emerging therapy that was never classified as cost-effective. On average, 13 out of 19 quality criteria (68%) per reference were rated as fulfilled while manuscripts and health technology reports received generally higher quality assessment scores than published abstracts. DISCUSSION: This study revealed some discrepancies in the cost-effectiveness of emerging therapies for AD. A variety of designs and guidelines made comparison difficult. Therefore, we recommend that future economic evaluations use more similar modelling approaches to improve comparability of results. OTHERS: The protocol was published in PROSPERO (ID: CRD42022343993).
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 | 0,015 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,013 |
| Bibliométrie | 0,012 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».