A Geographically Weighted Cost-effectiveness Analysis of Newborn Cytomegalovirus Screening
Notice bibliographique
Résumé
Background: Early identification of newborns with congenital cytomegalovirus (CMV) is necessary to provide antiviral therapy and other interventions that can improve outcomes. Prior research demonstrates that universal newborn CMV screening would be the most cost-effective approach to identifying newborns who are infected. CMV is not uniformly prevalent, and it is uncertain whether universal screening would remain cost-effective in lower-prevalence neighborhoods. Our aim was to identify geographic heterogeneity in the cost-effectiveness of universal newborn CMV screening by combining a geospatial analysis with a preexisting cost-effectiveness analysis. Methods: This study used the CMV testing results and zip code location data of 96 785 newborns in 7 metropolitan areas who had been tested for CMV as part of the CMV and Hearing Multicenter Screening study. A hierarchical bayesian generalized additive model was constructed to evaluate geographic variability in the odds of CMV. The zip code-level odds of CMV were then used to weight the results of a previously published model evaluating universal CMV screening vs symptom-targeted screening. Results: The odds of CMV were heterogeneous over large geographic scales, with the highest odds in the southeastern United States. Universal screening was more cost-effective and afforded more averted cases of severe hearing loss than targeted testing. Universal screening remained the most cost-effective option even in areas with the lowest CMV prevalence. Conclusions: Universal newborn CMV screening is cost-effective regardless of underlying CMV prevalence and is the preferred strategy to reduce morbidity from congenital CMV.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| 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) | 0,002 | 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 ».