Evaluating the cost-effectiveness of the Prostate Cancer Patient Empowerment Program
Notice bibliographique
Résumé
INTRODUCTION: This study aimed to evaluate the cost-effectiveness of the Prostate Cancer Patient Empowerment Program (PC-PEP), a six-month comprehensive intervention designed to enhance psychological well-being and reduce healthcare expenditures among prostate cancer patients. METHODS: In a crossover randomized clinical trial of 128 men aged 50-82 years scheduled for curative prostate cancer surgery or radiotherapy (± hormone treatment), 66 men received the PC-PEP intervention immediately, while 62 were randomized to a waitlist control arm and received standard care for six months before receiving PC-PEP. The intervention included daily activities targeting physical fitness, pelvic floor training, stress management, intimacy, social support, and dietary guidance. Cost-effectiveness was assessed from a healthcare payer perspective using billing data from Nova Scotia's Medical Services Insurance (MSI) and self-reported outcomes. Incremental cost-effectiveness ratios (ICERs) and cost-effectiveness acceptability curves (CEACs) were calculated using bootstrapped samples. Psychological distress was assessed with the Kessler Psychological Distress Scale (K10), while quality-adjusted life years (QALYs) were estimated from SF-6D utility scores. RESULTS: PC-PEP resulted in cost savings of $411.53 CAD per patient at six months, with a 30% reduction in clinically significant psychological distress and a QALY gain of 0.013. At 12 months, savings increased to $660.89 CAD per patient, preventing 31% of distress cases and yielding a QALY gain of 0.034. These outcomes demonstrate that PC-PEP is a dominant intervention, achieving both improved clinical outcomes and reduced healthcare expenditures. CONCLUSIONS: PC-PEP is a dominant, cost-effective strategy that significantly improves psychological well-being while lowering healthcare costs. Early implementation following prostate cancer diagnosis is strongly recommended to maximize both clinical and economic benefits.
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 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 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 ».