Foslevodopa/foscarbidopa (LDp/CDp) in advanced Parkinson’s disease (aPD): demonstration of savings from a societal perspective in the UK
Notice bibliographique
Résumé
AIMS: In advanced Parkinson's disease (aPD), adequate 24-hour control of OFF-time may not be achievable using oral/transdermal therapies. Clinical trials of foslevodopa/foscarbidopa (LDp/CDP) demonstrate meaningful reductions in OFF-time and OFF-related sleep disturbance in aPD. Previous analyses have only considered direct medical costs: this analysis considers a broader societal perspective (direct non-medical costs, informal care, loss of earnings, productivity, and tax). METHODS: Inputs for the societal impact model were taken from a cost-utility model comparing LDp/CDp with best medical treatment (BMT), accepted by the UK National Institute of Health and Care Excellence (NICE). Quintiles of normalized OFF-time across a 16-hour waking day in each treatment group were applied to literature-based estimates for direct medical, non-medical, and indirect costs. The resulting state-specific cost estimates were applied to the modelled aPD patient population. RESULTS: The model estimates the potential UK population for LDp/CDp at 17,505. Continuous 24-hour delivery of LDp/CDp results in greater time spent in OFF-time states 0-1 (0-4 h of OFF-time/16-hour waking day) vs BMT alone. Net costs in year 1, if all eligible patients receive LDp/CDp, are £45.5 M. Cumulative net savings thereafter are £47.0 M by year 2, rising to £166.1 M by year 3, £261.9 M by year 4 and £312.2 M by year 5. Results are robust in scenario analyses (excluding costs of sleep disturbance, earnings loss, productivity, and tax loss). LIMITATIONS: A NICE-accepted model was used as the economic modelling basis for the societal impact model. However, much of the data was derived from Adelphi datasets, with the potential for inconsistent definitions. CONCLUSION: When considered from a societal perspective, the use of LDp/CDp in aPD patients inadequately controlled on oral therapy, is associated with a reduction in medium-term healthcare and societal costs vs BMT.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».