Cost-effectiveness of population screening for aortic stenosis
Notice bibliographique
Résumé
AIMS: Aortic stenosis (AS) is a progressive disease predominantly affecting elderly patients that carries significant morbidity and mortality without aortic valve replacement, the only proven treatment. Our objective was to determine the cost-effectiveness of AS screening using transthoracic echocardiography (TTE) in a geriatric population from the perspective of the publicly funded healthcare system in Canada. METHODS AND RESULTS: Markov models estimating the cost-effectiveness ratio (ICER) for AS screening with a one-time TTE were developed. The model included diagnosed and undiagnosed AS health states, hospitalizations, transcatheter aortic valve replacement (TAVR), and post-TAVR health states. Primary analysis included screening at 70 and 80 years of age with intervention at symptom onset, with scenario analysis included for early intervention at the time of severe asymptomatic AS diagnosis. Monte Carlo simulation of 5000 replications was completed with a lifetime horizon and a 1.5% discount for costs and outcomes.Screening for AS at the age of 70 years was associated with an ICER of $156 722, and screening at 80 years of age was associated with an ICER of $28 005, suggesting that screening at 80 years of age is cost-effective when willingness-to-pay per QALY is $50 000. Scenario analysis with early intervention was not cost-effective, with an ICER of $142 157 at 70 years and $124 651 at 80 years. CONCLUSION: Screening for AS at 80 years of age with a one-time TTE, in a Canadian population, improves quality of life and is cost-effective in a publicly funded healthcare system providing, TAVR is reserved for symptomatic patients.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 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 ».