Cost-Effectiveness and Impact on Health Care Utilization of Interventions to Improve Medication Adherence and Outcomes in Asthma and Chronic Obstructive Pulmonary Disease: A Systematic Literature Review
Notice bibliographique
Résumé
BACKGROUND: Poor adherence to asthma and chronic obstructive pulmonary disease maintenance therapies impairs health outcomes. Proven and cost-effective programs to promote adherence and persistence are not yet in regular widespread use. Implementation costs are a potential barrier to uptake of such programs. OBJECTIVE: We undertook a systematic literature review and narrative synthesis of studies investigating the cost-effectiveness of treatment adherence-promoting programs or that determined their impact on health care budget directly or via health care resource use (HCRU). METHODS: We identified relevant publications using Medline and PreMEDLINE (PubMed), Embase (Embase.com, Elsevier), and EconLit for publications between January 2000 and July 2021. We also searched clinical trial databases and selected conference proceedings. RESULTS: Of 1,910 potentially relevant articles, 26 met prespecified inclusion criteria and underwent data extraction. Eleven reported a direct assessment of adherence, 15 included economic evaluations, and 17 described HCRU. None included an analysis of biologic medication use. When they were studied, interventions were often found to be highly cost-effective, with dominant incremental cost-effectiveness ratios in some cases. Reductions in direct costs and HCRU (health care visits, hospital admissions, and/or the use of medications, including add-on/reliever treatment and antibiotics) were frequently reported. Reported use of maintenance treatments improved in some studies. Counseling and/or digitally informed programs were used in all cases in which favorable outcomes were observed. CONCLUSIONS: Adherence-promoting interventions are mostly cost-effective and often result in reduced HCRU and associated costs. Multidisciplinary care involving one-to-one advice and digitally enhanced communications appear to offer the greatest benefit.
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 | 0,017 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,017 |
| Bibliométrie | 0,014 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| 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 ».