MétaCan
Menu
Retour à la cohorte
Enregistrement W4412048360 · doi:10.1016/j.jad.2025.119837

Economic evaluation of a one-time screening for bipolar disorder using the EarlyDetect model in primary care in Canada

2025· article· en· W4412048360 sur OpenAlexafffundabout
Negar Razavilar, Brian Chan, Pratap Chokka, Sasha van-Katwyk, Yang S. Liu, Ali Ünsal

Notice bibliographique

RevueJournal of Affective Disorders · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueBipolar Disorder and Treatment
Établissements canadiensAlberta HealthInstitute of Health Economics
Organismes subventionnairesAlberta Innovates
Mots-clésPublic healthHealth careMedicineMoodBipolar disorderCohortMental healthPsychiatryPrimary careFamily medicinePsychologyPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: EarlyDetect is a digital self-administered screening tool that has been recently developed to help clinicians diagnose bipolar disorder (BD). Improved diagnosis of this mental health condition is expected to reduce health care utilization and cost burden. We present an early health technology assessment (eHTA) threshold analysis exploring the potential value of EarlyDetect. METHODS: This study is not a traditional cost-effectiveness analysis but an exploratory eHTA using a threshold analysis approach. A decision analytic model was developed to evaluate the five-year impact of EarlyDetect compared to Mood Disorder Questionnaire (MDQ) or no screening on a cohort of individuals presenting to a primary care physician with a new depressive episode. Model parameters were derived from published literature or expert opinion. The percentage of individuals misdiagnosed was estimated. Total five-year health care costs were calculated from the Canadian public health care payer perspective and reported in Canadian dollars. Results were presented across the range of cut-off values. RESULTS: Over a five-year period, EarlyDetect decreased health care costs by up to $6868 and decreased the number of misdiagnosed individuals by 3.5 % when compared to no-screening. For MDQ, health care costs were reduced by up to $4690 with a reduction of misdiagnosed individuals of 2.3 %. CONCLUSIONS: BD screening with EarlyDetect and MDQ may lower health care costs and decrease the number of individuals misdiagnosed compared to no screening. These benefits may be greater for EarlyDetect than with MDQ. This analysis has limitations and includes several assumptions. The results should be interpreted with caution.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,122
Score d'incertitude au seuil0,586

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,019
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0030,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,287
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Affective DisordersMême sujetBipolar Disorder and TreatmentTravaux en français237 207