MétaCan
Menu
Retour à la cohorte
Enregistrement W4391427137 · doi:10.1016/j.jval.2024.01.010

The Determination of Diabetes Utilities, Costs, and Effects Model: A Cost-Utility Tool Using Patient-Level Microsimulation to Evaluate Sensor-Based Glucose Monitoring Systems in Type 1 and Type 2 Diabetes: Comparative Validation

2024· article· en· W4391427137 sur OpenAlexaff
Kirk Szafranski, Gérard de Pouvourville, Dan Greenberg, Stewart B. Harris, Johan Jendle, Jonathan E. Shaw, JeanPierre Coaquira Castro, Yeesha Poon, Fleur Levrat‐Guillen

Notice bibliographique

RevueValue in Health · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Research
Établissements canadiensAbbott (Canada)Diabetes CanadaWestern UniversityEVERSANA (Canada)
Organismes subventionnairesAbbott Diabetes Care
Mots-clésType 2 diabetesType I and type II errorsDiabetes mellitusMedicineMicrosimulationResearch designStatisticsComputer scienceMathematicsEngineeringTransport engineering

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To assess the accuracy and validity of the Determination of Diabetes Utilities, Costs, and Effects (DEDUCE) model, a Microsoft-Excel-based tool for evaluating diabetes interventions for type 1 and type 2 diabetes. METHODS: The DEDUCE model is a patient-level microsimulation, with complications predicted based on the Sheffield and Risk Equations for Complications Of type 2 diabetes models for type 1 and type 2 diabetes, respectively. For this tool to be useful, it must be validated to ensure that its complication predictions are accurate. Internal, external, and cross-validation was assessed by populating the DEDUCE model with the baseline characteristics and treatment effects reported in clinical trials used in the Fourth, Fifth, and Ninth Mount Hood Diabetes Challenges. Results from the DEDUCE model were evaluated against clinical results and previously validated models via mean absolute percentage error or percentage error. RESULTS: The DEDUCE model performed favorably, predicting key outcomes, including cardiovascular disease in type 1 diabetes and all-cause mortality in type 2 diabetes. The model performed well against other models. In the Mount Hood 9 Challenge comparison, error was below the mean reported from comparator models for several outcomes, particularly for hazard ratios. CONCLUSIONS: The DEDUCE model predicts diabetes-related complications from trials and studies well when compared with previously validated models. The model may serve as a useful tool for evaluating the cost-effectiveness of diabetes technologies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,031
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,145
Tête enseignante GPT0,397
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2024
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueValue in HealthMême sujetDiabetes Management and ResearchTravaux en français237 207