Economic Burden and Cost-Effectiveness of Management of Non-Infectious Uveitis: A Systematic Review
Notice bibliographique
Résumé
PURPOSE: To evaluate the economic burden and cost-effectiveness of interventions and management of non-infectious uveitis (NIU). METHODS: A comprehensive search was conducted across Medline, Embase, and Scopus databases from inception to March 2023. Risk of bias assessments were conducted using the Joanna Briggs Institute critical appraisal tools. RESULTS: A total of 24 articles consisting of 16 economic burden studies (67%) and 9 cost-effectiveness or cost-utility studies (38%) met the inclusion criteria. Annual direct medical costs ranged from $16,428 to $134,135 USD 2023, with costs being 4.3 times higher for those with blindness compared to those without vision loss. Direct medical costs for corticosteroid, immunosuppressive, and biologic therapies were $19,497, $29.979, and $45,830, respectively. Indirect costs ranged from $806 to $57,170, with costs being 2.1 times higher for persistent NIU and 2.3 times higher for those with blindness. Annual medication and intervention costs ranged from $345 to $13,134, with prescription drug costs being 60% higher for blind patients compared to those with moderate vision loss. Overall, cost-effectiveness analyses show promise for treatments like adalimumab and certain implants, though the extent of economic benefit depends on price reductions and healthcare system variations. Varying parameters like willingness-to-pay (WTP) thresholds and input parameters further complicated comparability. CONCLUSIONS: NIU poses a significant economic impact, particularly in patients with blindness and those on advanced therapies. While evidence is growing in Western countries like the US and UK, further research in non-westernized countries is warranted for a comprehensive, global understanding of the disease's economic burden.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 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) | 0,000 | 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 ».