Cost‐Utility Analysis of Low‐Dose Pioglitazone in a Population With Prediabetes and a History of Stroke or Transient Ischemic Attack
Notice bibliographique
Résumé
BACKGROUND: Pioglitazone significantly reduces the risk of stroke in people with diabetes, and in those with prediabetes, it markedly reduces the risk of stroke/myocardial infarction and new-onset diabetes. Low-dose pioglitazone provides most of the clinical benefits of high-dose pioglitazone, with fewer adverse effects. We report an economic evaluation of the cost-effectiveness of low-dose pioglitazone versus placebo from a Canadian public payer perspective in 2023 Canadian dollars. METHODS AND RESULTS: A Markov model was developed at a lifetime horizon with an annual cycle length and 5 health states (event-free, myocardial infarction, stroke, new-onset diabetes, and death). Transition probabilities were extracted from the IRIS (Insulin Resistance Intervention in Stroke) trial. Health state costs and utilities were based on public sources. Annual discount rates of 1.5% were applied in the reference-case analysis. Probabilistic analyses were conducted to deal with parameter uncertainty through 5000 simulations. The costs were estimated as $24 887 (interquartile range [IQR], $14 632-$41507) for low-dose pioglitazone and $57 301 (IQR, $48 730-$67368) for placebo, resulting in a cost saving of -$30 287 (IQR, -$43 374 to -$14 587) in favor of low-dose pioglitazone. Quality-adjusted life years were estimated as 25.99 (IQR, 24.56-26.81) for the low-dose pioglitazone and 19.44 (IQR, 18.68-20.13) for placebo, resulting in a difference of 6.37 (IQR, 5.07-7.36) in favor of low-dose pioglitazone. Consistent findings were observed from scenario analyses and 1-way probability sensitivity analyses. CONCLUSIONS: Holding across a wide range of values in modeling parameters, low-dose pioglitazone is found as the dominant strategy versus a placebo.
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 | 0,006 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».