Cost-effectiveness of injectable atypical long-acting antipsychotics for chronic schizophrenia in Poland
Notice bibliographique
Résumé
Objective: In order to determine the cost-effectiveness of paliperidone palmitate (PP-LAI), a long-acting injectable formulation, indicated for once-monthly injections as antipsychotic therapy, it was compared with risperidone, a long-acting, injectable (RLAI) and biweekly agent, administered for treatment of chronic schizophrenia in Poland, as perceived from the perspective of the National Health Fund (NHF). Methods: We adapted a 1-year decision tree model to the Polish healthcare system with literature-derived and clinical expert inputs. The compared drugs included PP-LAI, a new treatment option of antipsychotic therapy, and RLAI, the established treatment for Polish patients. Clinical rates were derived from published trials. Model outputs included expected cost per patient, as well as the rates of hospitalization, emergency room visits, days free of symptoms and quality-adjusted life-years (QALYs). One-way sensitivity analyses were applied to major inputs. All the inputs were also simultaneously varied in probabilistic sensitivity analyses. Results: Despite its higher acquisition cost, PP-LAI demonstrated a lower expected cost per treated patient. PP-LAI was associated with 0.824 QALYS, 323 days with stable disease and 44.6% hospitalization. RIS-LAI had 0.817 QALY, 317 stable days and 51.3% hospitalization. PP-LAI dominated RIS-LAI in the base case and in 55.0% of 10,000 simulations, and was cost-effective in 76.6%. However, the cost-effectiveness was sensitive, being lost with modest increases for PP-LAI or decreases for compared drugs with respect to their prices, relapse and adherence rates. Because it is injected monthly as opposed to biweekly, PP-LAI saves caregiver time as it is administered monthly, as opposed to the biweekly regimen. Conclusions: From the viewpoint of the National Health Fund of Poland, when compared with RLAI, PP-LAI is a cost-effective drug with potential to reduce healthcare expenses.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| 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) | 0,002 | 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 ».