Cost‐effectiveness Analysis of Inferior Turbinate Reduction and Immunotherapy in Allergic Rhinitis
Notice bibliographique
Résumé
BACKGROUND: Allergic rhinitis (AR) is a common condition that is frequently associated with atopic inferior turbinate hypertrophy (ITH) resulting in nasal obstruction. Current guidelines support the use of subcutaneous allergen immunotherapy (SCIT) when patients fail pharmacologic management. However, there is a lack of consensus regarding the role of inferior turbinate reduction (ITR), a treatment that we hypothesize is cost-effective compared with other available treatments. METHODS: We conducted a cost-effectiveness analysis comparing the following treatment combinations over a 5-year time horizon for AR patients presenting with atopic nasal obstruction who fail initial pharmacotherapy: (1) continued pharmacotherapy alone, (2) allergy testing and SCIT, (3) allergy testing and SCIT and then ITR for SCIT nonresponders, and (4) ITR and then allergy testing and SCIT for ITR nonresponders. Results were reported as incremental cost-effectiveness ratios (ICERs). RESULTS: For patients who fail initial pharmacotherapy, prioritizing ITR, either by microdebrider-assisting submucous resection or radiofrequency ablation, before SCIT was the most cost-effective strategy. Probabilistic sensitivity analysis demonstrated that prioritizing ITR before SCIT was the most cost-effective option in 95.4% of scenarios. ITR remained cost-effective even with the addition of concurrent septoplasty. CONCLUSION: For many AR patients who present with nasal obstruction secondary to atopic inferior turbinate hypertrophy that is persistent despite pharmacotherapy, ITR is a cost-effective treatment that should be considered prior to immunotherapy. LEVEL OF EVIDENCE: NA - Laryngoscope, 2023 Laryngoscope, 134:1572-1580, 2024.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».