ECONOMIC BURDEN OF SYSTEMIC LUPUS ERYTHEMATOSUS (SLE) IN INDIA: A SYSTEMATIC LITERATURE REVIEW
Notice bibliographique
Résumé
PV077a / #777 Poster Topic: AS11 - Epidemiology and Public Health Background/Purpose While the clinical burden of SLE (systematic lupus erythematosus) is well-recognized, its economic impact in India remains poorly understood. This scoping review aims to assess the current evidence on the economic burden of SLE in India and identify gaps in the existing literature. Methods A systematic literature review was conducted to identify relevant studies reporting on the economic burden of SLE in India, adhering to PRISMA guidelines. PubMed was searched in August 2024 for all studies reporting economic outcomes, healthcare resource utilization (HCRU), or cost-related data in SLE patients among Indian females, without time restrictions. Data on study characteristics, patient demographics, economic analyses, cost outcomes, and HCRU were extracted. Risk of bias was assessed using the Newcastle-Ottawa Scale. Results Out of 701 initial records screened, 4 observational studies met the inclusion criteria (1 prospective, 3 retrospective), with sample sizes ranging from 17 to 1,354 patients (total N=1,628). The female population represented 92.7% (n=1,509) of the total sample. All studies utilized hospital-based data sources from North India (2 studies) and South India (2 studies). No study performed a model-based comprehensive economic evaluation. One retrospective study reported direct costs, noting a 6-month per-patient expenditure of INR 630 (USD 8.85) for IV cyclophosphamide and INR 50 (USD 0.70) for oral therapy. HCRU data indicated higher hospitalization rates and longer hospital stays in SLE patients with infections compared to those without, but the HCRU data were not translated to economic metrics. The risk of bias was rated “good” in 1 study and “fair” in the remaining 3. Conclusions There is an acute paucity of studies evaluating the economic burden of SLE in India. Existing data are limited to direct costs and basic HCRU metrics, with no comprehensive economic evaluations or assessments of indirect costs. This significant gap emphasizes the urgent need for prospective, large-scale health economic studies to inform policy decisions and optimize resource allocation for SLE management in India.
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 | 0,008 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,016 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».