Decision analytical modelling of strategies for investigating suspected acute aortic syndrome
Notice bibliographique
Résumé
BACKGROUND: Acute aortic syndrome (AAS) requires urgent diagnosis with computed tomographic angiography (CTA). Diagnostic strategies need to weigh the benefits of detecting AAS against the costs of using CTA with a low yield of AAS when the prevalence of AAS is low. We aimed to estimate the cost-effectiveness of diagnostic strategies using clinical probability scoring and D-dimer to select patients with potential symptoms of AAS for CTA. METHODS: We developed a decision analytical model to simulate the management of patients attending hospital with possible AAS. We modelled diagnostic strategies that used the Aortic Dissection Detection Risk Score (ADD-RS) and D-dimer to select patients for CTA. We used estimates from our meta-analysis, existing literature and clinical experts to model the consequences of diagnostic strategies on survival, health utility, and health and social care costs. We estimated the incremental cost per quality-adjusted life-years gained by each strategy compared with the next most effective alternative on the efficiency frontier. RESULTS: A strategy based on the Canadian guideline (CTA if ADD-RS>1 or ADD-RS=1 with D-dimer >500 ng/mL) is cost-effective but would result in high rates of CTA if applied to an unselected population (AAS prevalence 0.26%). The strategy is also cost-effective and would result in lower rates of CTA if applied to a more selected population, such as those with a non-zero clinical suspicion of AAS (prevalence 0.61%). For patients currently receiving CTA, using ADD-RS>1 or D-dimer >500 ng/mL to select patients for CTA is cost-effective. CONCLUSIONS: A strategy using ADD-RS>1 or ADD-RS=1 with D-dimer >500 ng/mL to select patients for CTA appears cost-effective but primary research is required to evaluate this strategy in practice and determine how suspicion of AAS is identified.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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) | 0,004 | 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 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 ».