An Exploratory Cost-Effectiveness Analysis of Immune Therapy in Delaying the Initiation of Automated Insulin Delivery Systems in Type 1 Diabetes
Notice bibliographique
Résumé
Objective: Immune therapies such as teplizumab and antithymocyte globulin (ATG) offer promise in delaying type 1 diabetes (T1D). However, growing availability of automated insulin delivery (AID) systems for insulin management may alter the cost-effectiveness of these therapies. Immune therapies may become more cost-effective when paired with AID instead of conventional insulin management. Meanwhile, as immune therapies delay T1D for only a short period, effective AID may reduce the economic value of prevention. This study provides the first cost-effectiveness analysis of the interplay between immune therapies and AID systems. Methods: Using microsimulation modeling, we examined the cost-effectiveness of six alternative prevention-treatment strategies defined by a combination of three preventive immune therapies (teplizumab, ATG, or no therapy) and two insulin management strategies (AID or conventional insulin management). Effectiveness was measured by quality-adjusted life years (QALYs). Costs were estimated from a payer perspective. Results: Among the six strategies considered, preventive ATG therapy followed by AID was the most cost-effective. It entailed $394,250 in lifetime costs and yielded 19.13 QALYs. These costs were lower and QALY gains higher than those with strategies that did not involve immune therapy or AID. Preventive teplizumab therapy followed by AID generated 0.25 more QALYs than ATG therapy followed by AID, albeit at an additional cost of $153,670, resulting in an incremental cost-effectiveness ratio of $369,890/QALY. Conclusions: Preventive ATG therapy followed by AID after T1D onset can be a potentially cost-effective approach. In the absence of randomized clinical trials for ATG in the prevention space, findings in this study assume that ATG is at least half as efficacious as teplizumab. The optimal prevention-treatment strategy will ultimately depend on payers’ ability to negotiate prices for teplizumab and further evidence on efficacy of ATG in preventing T1D.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,002 | 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 ».