Cost-effectiveness analysis of biologic sequential treatments for moderate-to-severe psoriasis: A Malaysian healthcare system perspective
Notice bibliographique
Résumé
OBJECTIVE: In Malaysia, there is now a dearth of recommendations pertaining to the priority of biologic treatments for the effective management of psoriasis, given the multitude of available therapeutic alternatives. Present analysis reports results of a cost-effectiveness model that determines the most optimal arrangement of biologic treatments, with a particular focus of adding biosimilars to the existing treatment pathway for psoriasis in Malaysia. METHODS: A Markov model was developed to compare the cost effectiveness of various biologic sequential treatments in a hypothetical cohort of moderate to severe psoriasis patient in Malaysia over a lifetime horizon. The model simulated the progression of patients through three lines of active biologic therapy, before transitioning to best supportive care. Costs and effects were discounted annually at a rate of 3%. RESULTS: First line secukinumab has produced lowest incremental cost effectiveness ratios (ICERs) when compared to first line systemic [ICERs value; US$152,474 (first set analysis) and US$110,572 (second set analysis)] and first line phototherapy [ICERs value; US$147,057 (first set analysis) and US$107,616 (second set analysis)]. However, these values were slightly higher than the Malaysian based threshold of three times gross domestic product per capita, US$104,337. A 40% reduction in the unit costs of reference biologics renders most of the evaluated treatment sequences cost-effective. CONCLUSION: Adding biosimilar to the current treatment sequence could achieve cost savings ranging from 4.3% to 10.8% without significant loss of effectiveness. Given the significant impact of comorbidities and the resulting decline in quality of life among individuals with psoriasis, it may be justifiable to establish a threshold of up to US$184,000 per quality-adjusted life year (QALY) for the provision of therapies in the context of Malaysia.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».