Economic evaluation of adding dapagliflozin to standard care in the treatment of chronic kidney disease: a systematic review
Notice bibliographique
Résumé
INTRODUCTION: Chronic kidney disease is a significant public health issue. Dapagliflozin has been shown to improve the quality of life for patients with chronic kidney disease. This review aimed to systematically assess the cost-effectiveness of adding dapagliflozin to standard care compared with standard care alone for treating chronic kidney disease. METHODS: The relevant studies were searched in PubMed, Web of Science, Scopus, Embase, and Cochrane from the inception date to June 1, 2024. The titles, abstracts, and full texts were independently evaluated and screened by two authors. Additionally, the economic evaluation studies were assessed independently by two authors using the consolidated health economic evaluation reporting standards checklist. RESULTS: 14 studies were included which were about the economic evaluations of adding dapagliflozin in the treatment of chronic kidney disease. The minimum consolidated health economic evaluation reporting standards score for the studies was 0.77, indicating very good quality. Adding dapagliflozin to the standard of care would be more effective and cost-saving in Mexico, Malaysia, Canada, Thailand, and China. The highest incremental cost-effectiveness ratio of dapagliflozin ($67962.75/QALY) originated from the USA. According to the available studies, adding dapagliflozin to standard of care for the treatment of chronic kidney disease is considered cost-effectiveness from both the healthcare system and the payer's perspective. CONCLUSION: Adding dapagliflozin to standard care in the treatment of chronic kidney disease is cost-effective from both the healthcare system and the payer's perspective in well-developed countries.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| 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) | 0,000 | 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 ».