Cost‐effectiveness of canagliflozin and dapagliflozin for treatment of patients with chronic kidney disease and type 2 diabetes
Notice bibliographique
Résumé
AIM: To examine the cost-effectiveness of adding canagliflozin or dapagliflozin to standard of care (SoC) versus SoC alone in patients with chronic kidney disease (CKD) and type 2 diabetes (T2D). MATERIALS AND METHODS: We used a Markov microsimulation model to assess the cost-effectiveness of canagliflozin plus SoC (canagliflozin + SoC), dapagliflozin plus SoC (dapagliflozin + SoC) and SoC alone. Analyses were conducted from a healthcare system perspective. Costs were measured in 2021 Canadian dollars (C$), and effectiveness was measured in quality-adjusted life-years (QALYs). RESULTS: Over a patient's lifetime, canagliflozin + SoC and dapagliflozin + SoC yielded cost savings of C$33 460 and C$26 764 and generated 1.38 and 1.44 additional QALYs compared with SoC alone, respectively. While QALY gains with dapagliflozin + SoC were higher than those with canagliflozin + SoC, this strategy was also more costly with the incremental cost-effectiveness ratio exceeding the willingness to pay threshold of C$50 000 per QALY. Dapagliflozin + SoC, however, generated cost savings and QALY gains compared with canagliflozin + SoC over shorter time horizons of 5 or 10 years. CONCLUSIONS: Dapagliflozin + SoC was not cost-effective versus canagliflozin + SoC in patients with CKD and T2D over the lifetime horizon. However, adding canagliflozin or dapagliflozin to SoC was less costly and more effective relative to SoC alone for treatment of CKD and T2D.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».