Early Diagnosis and Timely Terlipressin in Hepatorenal Syndrome Improves Projected Outcomes and Lowers Cost
Notice bibliographique
Résumé
Introduction: Terlipressin is the only Food and Drug Administration-approved medication for adults with hepatorenal syndrome-acute kidney injury (HRS-AKI) with rapid reduction in kidney function. Treatment with terlipressin, particularly in patients with lower serum creatinine (SCr) at diagnosis, improves outcomes. Despite evidence suggesting that treating HRS-AKI at lower SCr thresholds may improve clinical outcomes, the impact on healthcare resource utilization (HCRU) and medical costs of an earlier intervention strategy remains unquantified. This model-based analysis was conducted from a United States hospital perspective to project the clinical and economic impact of early HRS-AKI diagnosis and treatment with terlipressin among adults. Methods: A decision-analytic model compared two SCr level-based scenarios and projected the outcomes for both scenarios. For current clinical practice, patient distribution was based on the CONFIRM trial (SCr <3 mg/dL: 45% and ≥3 to <5 mg/dL: 55%). For early diagnosis and treatment, distribution was based on the HRS medical chart review study (<3 mg/dL: 85% and ≥3 to <5 mg/dL: 15%). Terlipressin HRS reversal rate for the on-label population (SCr <5 mg/dL and acute-on-chronic liver failure grade 0-2) was 52.2% for SCr <3 mg/dL and 33.3% for SCr ≥3 to <5 mg/dL. An annual HRS incidence of 50,000 was assumed. Results: Based on the modeled projections, early diagnosis and treatment with terlipressin versus current practice yielded an additional 3040 HRS reversals and consequently led to a reduction in hospital days and intensive care unit days. Early intervention resulted in 960 fewer patients requiring renal replacement therapy during hospitalization and 1200 more patients with 90-day transplant-free survival. Early intervention is projected to save $11,504 per patient, with total national savings of $460.2 million annually. Conclusion: Based on the modeled projections using data from clinical trial, earlier HRS diagnosis and treatment with terlipressin may improve clinical outcomes, reduce HCRU, and save costs versus current clinical practice.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».