Clinical- and Cost-Effectiveness of Liver Disease Staging in Hepatitis C Virus Infection: A Microsimulation Study
Notice bibliographique
Résumé
BACKGROUND: Liver disease assessment is a key aspect of chronic hepatitis C virus (HCV) infection pre-treatment evaluation but guidelines differ on the optimal testing modality given trade-offs in availability and accuracy. We compared clinical outcomes and cost-effectiveness of common fibrosis staging strategies. METHODS: We simulated adults with chronic HCV receiving care at US health centers through a lifetime microsimulation across five strategies: (1) no staging or treatment (comparator), (2) indirect serum biomarker testing (Fibrosis-4 index [FIB-4]) only, (3) transient elastography (TE) only, (4) staged approach: FIB-4 for all, TE only for intermediate FIB-4 scores (1.45-3.25), and (5) both tests for all. Outcomes included infections cured, cirrhosis cases, liver-related deaths, costs, quality-adjusted life years (QALYs), and incremental cost-effectiveness ratios (ICERs). We used literature-informed loss to follow-up (LTFU) rates and 2021 Medicaid perspective and costs. RESULTS: FIB-4 alone generated the best clinical outcomes: 87.7% cured, 8.7% developed cirrhosis, and 4.6% had liver-related deaths. TE strategies cured 58.5%-76.6%, 16.8%-29.4% developed cirrhosis, and 11.6%-22.6% had liver-related deaths. All TE strategies yielded worse clinical outcomes at higher costs per QALY than FIB-4 only, which had an ICER of $12 869 per QALY gained compared with no staging or treatment. LTFU drove these findings: TE strategies were only cost-effective with no LTFU. In a point-of-care HCV test-and-treat scenario, treatment without any staging was most clinically and cost-effective. CONCLUSIONS: FIB-4 staging alone resulted in optimal clinical outcomes and was cost-effective. Treatment for chronic HCV should not be delayed while awaiting fibrosis staging with TE.
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 | 0,004 | 0,014 |
| 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 | 0,001 |
| 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) | 0,005 | 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 ».