P005 The economic burden of delayed diagnosis in axial spondyloarthritis in the UK
Notice bibliographique
Résumé
Abstract Introduction Timely diagnosis of axial spondyloarthritis (axSpA) remains challenging and delays result in harmful consequences. Few studies have evaluated the cost of delayed axSpA diagnosis. This study aims to develop an economic analysis to determine the annual cost of delaying the axSpA diagnosis, adopting both NHS (UK) and societal perspectives. Methods We developed a Markov economic model to estimate the costs of delayed axSpA diagnosis in the UK. The cohort of patients assessed comprised a mixed population (cohort size: 1,000 patients, 64% males), mean age of symptom onset 26 years. The model captured the resources used and costs related to diagnosing and managing axSpA symptoms until the disease was diagnosed. Results Results are summarised in Table 1. Our economic analysis results show the cost of delayed axSpA diagnosis is substantial and falls mainly on the individuals concerned in the form of productivity losses, out of pocket medical expenses, non-prescribed drug expenses, and travel costs to healthcare services. These costs are higher in younger patients but remain substantial in older groups. With a symptom onset at the age of 26 and an average time to diagnosis of 8.5 years, we estimate that the cumulative cost of delayed diagnosis per person living with axial SpA is £193,512 (CI95%: £108,769 - £306,789). The total annual cost that accrues to delay before the diagnosis of axSpA in the UK was £3.1 billion and £12.4 billion, based on a prevalence of 0.3% and 1.2%, respectively (Table 1). Our results corroborate findings from other studies, showing that patients with a late diagnosis of axSpA had higher costs, reduced incapacity for work, and worse clinical outcomes1,2. P005 Table 1.Nationwide total cost of delaying the axSpA diagnosis based on axSpA prevalence.Prevalence of 0.3%Prevalence of 1.2%ResultsTotal cost - ModelledTotal cost – NASS pop*Total cost – UK adult pop**Total cost – UK adult pop**DSA£23,104.17£4,236,794,775£3,115,805,703£12,463,222,813PSA£24,025.06£4,431,645,007£3,259,101,637£13,036,406,54995% LCI£14,568.52£2,703,455,437£1,988,163,769£7,952,655,07995% UCI£36,950.02£6,595,614,347£4,850,518,822£19,402,075,288Note: 83.4% remaining undiagnosed per year*NASS estimate population: 220,000 patients.**UK adult population (2022): 53,930,490.DSA: deterministic sensitivity analysis, LCI: low confidence interval, pop: population, PSA: probabilistic sensitivity analysis: UCI: upper confidence interval. Conclusion To our knowledge, this is the first UK-specific study and the first internationally to develop an economic analysis to determine the annual cost of delay in diagnosing axSpA, adopting both NHS and societal perspectives. Earlier diagnosis is essential in order to reduce healthcare needs, resource utilisation, and enhance the quality of life for people living with axSpA References 1. Kobelt G, et al. Value Health. 2008 May;11(3):408–15. 2. Grigg SE, et al. ACRARHP Sci Meet 2011. 2011;63(abstract 1308).
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».