Economic and cost-effectiveness analysis of the Community-Level Interventions for Pre-eclampsia (CLIP) trials in India, Pakistan and Mozambique
Notice bibliographique
Résumé
Background The Community-Level Interventions for Pre-eclampsia (CLIP) trials ( NCT01911494 ) in India, Pakistan and Mozambique (February 2014–2017) involved community engagement and task sharing with community health workers for triage and initial treatment of pregnancy hypertension. Maternal and perinatal mortality was less frequent among women who received ≥8 CLIP contacts. The aim of this analysis was to assess the incremental costs and cost-effectiveness of the CLIP intervention overall in comparison to standard of care, and by PIERS (Pre-eclampsia Integrated Estimate of RiSk) On the Move (POM) mobile health application visit frequency. Methods Included were all women enrolled in the three CLIP trials who had delivered with known outcomes by trial end. According to the number of POM-guided home contacts received (0, 1–3, 4–7, ≥8), costs were collected from annual budgets and spending receipts, with inclusion of family opportunity costs in Pakistan. A decision tree model was built to determine the cost-effectiveness of the intervention (vs usual care), based on the primary clinical endpoint of years of life lost (YLL) for mothers and infants. A probabilistic sensitivity analysis was used to assess uncertainty in the cost and clinical outcomes. Results The incremental per pregnancy cost of the intervention was US$12.66 (India), US$11.51 (Pakistan) and US$13.26 (Mozambique). As implemented, the intervention was not cost-effective due largely to minimal differences in YLL between arms. However, among women who received ≥8 CLIP contacts (four in Pakistan), the probability of health system and family (Pakistan) cost-effectiveness was ≥80% (all countries). Conclusion The intervention was likely to be cost-effective for women receiving ≥8 contacts in Mozambique and India, and ≥4 in Pakistan, supporting WHO guidance on antenatal contact frequency. Trial registration number NCT01911494 .
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 | 0,028 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,011 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».