Cost-Effectiveness of Internet-Delivered Emotion Regulation Therapy for Adolescents With Nonsuicidal Self-Injury: Within-Trial Analysis of a Randomized Controlled Trial
Notice bibliographique
Résumé
Background: Nonsuicidal self-injury (NSSI) is common among adolescents and is associated with adverse clinical outcomes, as well as suicidal behavior. Current treatments are resource-intensive and may not be accessible to all adolescents with NSSI. Internet-delivered emotion regulation individual therapy for adolescents (IERITA) with NSSI disorder is a promising treatment option, but its cost-effectiveness is unknown. Objective: This study aims to evaluate the cost-effectiveness of IERITA for adolescents with NSSI disorder. Methods: Within-trial cost-effectiveness analysis of a randomized controlled trial at three child and adolescent mental health services in Sweden (n=166). A total of 12 weeks of IERITA plus treatment as usual (TAU) versus TAU only were compared. The primary outcome was the frequency of NSSI at 1-month posttreatment. Secondary outcomes were NSSI remission and quality-adjusted life years (QALYs). Results: IERITA led to reductions in NSSI frequency, a higher proportion of participants with NSSI remission, and more QALYs at 1-month posttreatment, at additional health care costs of US $3663 (95% CI US $2182-$5002) and societal costs of US $4458 (95% CI US $-577 to $9509). The incremental cost of one additional NSSI remission at 1-month posttreatment was US $18,677, and the incremental cost per QALY gained was US $792,244 for IERITA+TAU relative to TAU. IERITA had an 8% probability of being cost-effective at a societal willingness-to-pay threshold of US $84,000 for one QALY at 1-month posttreatment, which increased to 18% at 3-months posttreatment. Conclusions: IERITA delivered adjunctive to TAU led to improvements in NSSI frequency, remission, and QALYs, at additional costs compared to TAU only. This study provides an estimate of the additional cost of delivering IERITA; however, future studies should include longer follow-up periods to better assess the magnitude of the effects on QALYs and societal costs.
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 | 0,009 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,010 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».