A cost effectiveness analysis of two treatment strategies for trigeminal neuralgia in Ontario
Notice bibliographique
Résumé
Background: Trigeminal neuralgia (TN) is a debilitating disease with an annual incidence of approximately 4-27/100,000. In Ontario, over 2000 patients receive interventions for profound pain, including medical and surgical therapies. The global expected cost of these approaches is unknown. This study aims to analyze the cost-effectiveness of one surgical therapy, microvascular decompression (MVD), compared with the best medical therapy (carbamazepine) as first-line therapy. Methods: Costs were gathered from the Canadian Institute for Health Information, Ontario Drug Benefit Formulary, and Ontario Ministry of Health Schedule of Benefits for Physician Services. Academic literature was used to estimate unavailable items. A cost-benefit Markov model was created for each strategy with literature-based rates for annual cycles from years 1 to 5, followed by a linear recurrent cycle from years 6 to 10. Incremental cost-effectiveness ratios (ICERs) were calculated based on the incremental cost in 2022 Canadian Dollars (CAD) per pain-free year. Results: Base case cost per patient was $10,866 at 10 years in the "MVD first" group and $10,710 in the "carbamazepine first" group. Ten-year ICER was $1,104 for "MVD first," with strict superiority beyond this time point. One-way deterministic sensitivity analysis for multiple factors suggested the highest cost variability and ICER variability were due to surgery cost, medication failure rate, and medication cost. Conclusion: Economic benefit is established for a "MVD first" strategy in the Ontario context with strict superiority beyond the 10-year horizon. If a cost-effectiveness threshold of $50,000 per pain-controlled year is used, the benefit is established at 4 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».