A Contemporary Economic Model of CKD in the United States
Notice bibliographique
Résumé
Background: Chronic kidney disease (CKD) impacts an estimated 14% of US adults, and is associated with reduced quality of life, progression to kidney failure, and cardiovascular disease (CVD), resulting in high healthcare costs. The recently updated Kidney Disease: Improving Global Outcomes (KDIGO) guidelines have highlighted the importance of CVD management to improve CKD outcomes and including a role for sodium-glucose cotransporter-2 (SGLT2) inhibitors in delaying disease progression and improving CVD outcomes. Methods: A state transition model was developed (see figure) to follow a hypothetical cohort of US adults with CKD over their lifetime. Progression of CKD was tracked through KDIGO health states defined by estimated glomerular filtration rate (eGFR) and urine albumin creatinine ratio (uACR). Individuals with CKD could transition to kidney failure, major adverse cardiovascular event (myocardial infarction or stroke), heart failure, or death from other causes. Probability of a first event was determined by eGFR, uACR, and diabetes status, with age and sex determining the background mortality risks. Individuals who had a non-fatal first event were followed until death. Resource utilization, costs, transition probabilities, and utilities were derived from peer-reviewed studies. Results: The model predicted clinical events associated with current management as well as healthcare costs and quality adjusted life years (QALY). Under usual care, the model estimated lifetime outcomes of 6.8 QALYs and $150,386, with time prior to a clinical event contributing most to the QALYs, and dialysis contributing most to the healthcare costs. KDIGO guidelines for optimizing CVD treatment and SGLT2 inhibitor treatment were shown to be cost-effective (cost-per-QALY<$100,000). Conclusion: The current model can predict clinical events and consequent impacts on healthcare costs and QALYs. This enables estimation of the value of various guideline-recommended strategies designed to treat patients at all stages of CKD. Funding: Commercial Support - Boehringer Ingelheim
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,001 |
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 ».