Cost-effectiveness of Automated Medical Systems implementation in hospital setting: A systematic review and meta-analysis
Notice bibliographique
Résumé
Objectives: This systematic review summarized and synthesized the available evidence to examines the cost-effectiveness of the implementation of Automated Medical Systems. Method: PubMed, Embase, Web of Science, The Cochrane Library, China National Knowledge Infrastructure (CNKI), China Science and Technology Journal Full-text Database (VIP), WanFang Database, China Biopharmaceutical Scientific Literature Database (CBM) were searched from inception to February 2020. The reference lists of eligible studies were hand searched. After two investigators independently screened the literature and extracted the data, the quality of the included articles was evaluated by using the Cochrane Intervention Risk of Bias Assessment Tool, the Newcastle-Ottawa Scale and the Agency for Healthcare Research and Quality Scale. Revman5.3 software was used for meta-analysis. Results: Sixteen articles (9 interventional studies, 6 cohort studies, 1 cross-sectional study) were finally included, 92,576 patients were included in analysis. Meta-analysis showed that: 1) compared with the traditional method, the incidence of adverse events (such as potential adverse drug reactions, deep vein thrombosis, etc.) was reduced after the implementation of the Automated Medical System (OR = 0.43, 95% CI = [0.20, 0.93]; P = 0.03); 2) the average medical costs incurred during the use of the Automated Medical System were lower than those of the traditional method (OR = 1.13, 95% CI = [1.02, 1.24]; P = 0.02), which was cost-effective (OR = 2.03, 95% CI = [1.34, 3.07]; P = 0.0008); 3) the quality-adjusted life years obtained by patients observed during the implementation of the Automated Medical System were significantly higher than those of the conventional medical system (OR = 1.13, 95% CI = [1.02, 1.24]; P = 0.02). Conclusion: A multicenter, large-sample randomized controlled trial is needed to comprehensively explore the cost-effectiveness of Automated Medical Systems using a unified economic evaluation model and considering all costs associated with Automated Medical Syst
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 | 0,019 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,038 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 ».