Do Quality-Adjusted Life Years Discriminate Against the Elderly? An Empirical Analysis of Published Cost-Effectiveness Analyses
Notice bibliographique
Résumé
OBJECTIVES: Critics of quality-adjusted life-years argue that it discriminates against older individuals. However, little empirical evidence has been produced to inform this debate. This study aimed to compare published cost-effectiveness analyses (CEAs) on patients aged ≥65 years and those aged <65 years. METHODS: We used the Tufts Cost-Effectiveness Analysis Registry to identify CEAs published in MEDLINE between 1976 and 2021. Eligible CEAs were categorized according to age (≥65 years vs <65 years). The distributions of incremental cost-effectiveness ratios (ICERs) were compared between the age groups. We used logistic regression to assess the association between age groups and the cost-effectiveness conclusion adjusted for confounding factors. We conducted sensitivity analyses to explore the impact of mixed age and age-unknown groups and all ICERs from the same CEAs. Subgroup analyses were also conducted. RESULTS: A total of 4445 CEAs categorized according to age <65 years (n = 3784) and age ≥65 years (n = 661) were included in the primary analysis. The distributions of ICERs and the likelihood of concluding that the intervention was cost-effective were similar between the 2 age groups. Adjusted odds ratios ranged from 1.132 (95% CI 0.930-1.377) to 1.248 (95% CI 0.970-1.606) (odds ratio >1 indicating that CEAs for age ≥65 years were more likely to conclude the intervention was cost-effective than those for age <65 years). Sensitivity and subgroup analyses found similar results. CONCLUSION: Our analysis found no systematic differences in published ICERs using quality-adjusted life-years between CEAs for individuals aged ≥65 years and those for individuals aged <65 years.
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 | 0,053 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».