Cost‐Effectiveness of the Geriatrician‐Led Comprehensive Geriatric Assessment in Different Healthcare Settings: An Economic Evaluation
Notice bibliographique
Résumé
BACKGROUND: With a shortage of geriatricians, the appropriate distribution of geriatricians across healthcare settings (e.g., acute care, rehabilitation, or community clinics) is unknown. Our objective was to determine which setting(s) geriatricians should preferentially staff to be most economically attractive for the Canadian healthcare system. METHODS: We conducted a cost-effectiveness analysis using a two-dimensional microsimulation model. The model simulated a population of frail adults aged ≥ 65 years. The simulation was done over a lifetime horizon from the Ontario public payer perspective. Strategies included (1) usual care (baseline proportions of geriatrician CGAs in each setting), (2) acute care only (100% receive CGA in acute care), (3) community care only, (4) rehabilitation only, (5) acute care and community combined, (6) acute care and rehabilitation combined, (7) community and rehabilitation combined, and (8) acute care, community, and rehabilitation combined. Primary model outputs included quality-adjusted life months (QALMs), lifetime costs, and incremental cost-effectiveness ratios (ICERs). RESULTS: The acute care and rehabilitation combined strategy was undominated at a lifetime cost of C$139,987 and with an effectiveness of 42.09 QALM. At an ICER of C$1203 per QALM, the combination strategy of acute care, rehabilitation, and community clinics was cost-effective relative to acute care and rehabilitation, assuming a cost-effectiveness threshold of C$4167 per QALM (equivalent to C$50,000 per quality-adjusted life year). The other six strategies were dominated. When individually compared to usual care, all of the strategies were dominant or cost-effective. CONCLUSIONS: An undominated strategy of staffing geriatricians was in the acute care and rehabilitation settings, with the option of adding community clinics if cost and resources permit.
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 | 0,014 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 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 ».