The PSY-SIM Model: Using Real-World Data to Inform Health Care Policy for Individuals With Chronic Psychotic Disorders
Notice bibliographique
Résumé
BACKGROUND AND HYPOTHESIS: Few microsimulation models have been developed for chronic psychotic disorders, severe and disabling mental disorders associated with poor medical and psychiatric outcomes, and high costs of care. The objective of this work was to develop a microsimulation model for individuals with chronic psychotic disorders and to use the model to examine the impact of a smoking cessation initiative on patient outcomes. STUDY DESIGN: Using health records and survey data from Ontario, Canada, the PSY-SIM model was developed to simulate health and cost outcomes of individuals with chronic psychotic disorders. The model was then used to examine the impact of the Smoking Treatment for Ontario Patients (STOP) program from Ontario on the development of chronic conditions, life expectancy, quality of life, and lifetime health care costs. STUDY RESULTS: Individuals with chronic psychotic disorders had a lifetime risk of 63% for congestive heart failure and roughly 50% for respiratory disease, cancer and diabetes, and a life expectancy of 76 years. The model suggests the STOP program can reduce morbidity and lead to survival and quality of life gains with modest increases in health care costs. At a long-term quit rate of 4.4%, the incremental cost-effectiveness ratio of the STOP program was $41,936/QALY compared with status quo. CONCLUSIONS: Smoking cessation initiatives among individuals with chronic psychotic disorders can be cost-effective. These findings will be relevant for decision-makers and clinicians looking to improving health outcomes among this patient population.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».