Cost-effectiveness of hydrophilic-coated intermittent catheters compared with uncoated catheters in Canada: a public payer perspective
Notice bibliographique
Résumé
Study design: A Markov model was used to analyze cost-effectiveness over a lifetime horizon. Objective: To investigate the cost-effectiveness of hydrophilic-coated intermittent catheters (HCICs) compared with uncoated catheters (UCs) among individuals with neurogenic bladder dysfunction (NB) due to spinal cord injury (SCI). Setting: A Canadian public payer perspective based on data from Ontario; including a scenario analysis from the societal perspective. Methods: A previously published Markov decision model was modified to compare the lifetime costs and quality-adjusted life years (QALYs) for the two interventions. Three renal function and three urinary tract infection (UTI) health states as well as other catheter-related events were included. Scenario analyses, including utility gain from compact catheter and phthalate free catheter use, were performed. Deterministic and probabilistic sensitivity analyses were conducted to evaluate the robustness of the model. Results: The model predicted that a 50-year-old patient with SCI would gain an additional 0.72 QALYs if HCICs were used instead of UCs at an incremental cost of $48,016, leading to an incremental cost-effectiveness ratio (ICER) of $66,634/QALY. Moreover, using HCICs could reduce the lifetime number of UTI events by 11%. From the societal perspective, HCICs cost less than UCs, while providing superior outcomes in terms of QALYs, life years gained (LYG), and UTIs. The cost per QALY further decreased when health-related quality-of-life (HRQoL) gains associated with compact HCICs or catheters not containing phthalates were included. Conclusion: In general, ICERs in the range of CAD$50–100,000 could be considered cost-effective. The ICERs for the base case and sensitivity analyses suggest that HCICs could be cost-effective. From the societal perspective, HCICs were associated with potential cost savings in our model. The results suggest that reimbursement of HCICs should be considered in these settings.
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 | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 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 ».